大語彙連続音声認識を用いた落語のリアルタイム字幕付与

• Item type: SIG Technical Reports(1)
• 公開日: 2005-07-15
• タイトル: 大語彙連続音声認識を用いた落語のリアルタイム字幕付与
• タイトル / 言語: en
• タイトル: Real-time Captioning of Rakugo using Large Vocabulary Continuous Speech Recognition
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 京都大学
• 著者所属: 京都大学
• 著者所属: 京都大学
• 著者所属(英): en
• 著者所属(英): Scholl of Informatics ,Kyoto University
• 著者所属(英): en
• 著者所属(英): Scholl of Informatics ,Kyoto University
• 著者所属(英): en
• 著者所属(英): Scholl of Informatics ,Kyoto University
• 著者名: 西光, 雅弘; 秋田, 祐哉; 河原, 達也
• 著者名(英): Masahiro, Saikou; Yuya, Akita; Tatuya, Kawahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では落語を対象に劇場内においてリアルタイムで字幕を付与する方法を検討する．落語は演目ごとに基本的なシナリオ(台本)が決まっており，同一演者・演目の音声データとその書き起こしの収集が可能であることから，これを用いて当該演目専用の音響モデルと言語モデルを構築する．特に，台本からの逸脱への頑健性を保持しながら，言語的制約を強力に反映させるために，言語モデルの単位として文節を採用する．実際の落語3演目を用いて認識実験を行ったところ，3演目平均で90%に近い単語認識精度を得た．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Automatic real-time captioning of Rakugo using large vocabulary continuous speech recognition is addressed. Rakugo is a Japanese traditional monologue show of story telling performed by a professional Rakugo-ka. Rakugo-ka follows a script, but does not read out it like drama. For automatic captioning, we construct a dedicated language model from the script and an adapted acoustic model. In addition, we adopt the phrase (bunsetsu) unit for language modeling. At this moment, we achieved word accuracy close to 90%.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 情報処理学会研究報告音声言語情報処理（SLP）; 巻 2005, 号 69(2005-SLP-057), p. 25-30, 発行日 2005-07-15
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会