講演音声認識のための言語モデルの教師なし適応

• Item type: SIG Technical Reports(1)
• 公開日: 2002-12-16
• タイトル: 講演音声認識のための言語モデルの教師なし適応
• タイトル / 言語: en
• タイトル: Unsupervided Language Model Adaptation for Lecture 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: 京都大学情報学研究科知能情報学専攻
• 著者所属: 京都大学情報学研究科知能情報学専攻
• 著者所属: （財）京都高度技術研究所／独立行政法人通信総合研究所
• 著者所属: 独立行政法人通信総合研究所
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Advanced Software Technology & Mechatronics Research Institute of KYOTO (ASTEM)/Comunications Research Laboratory
• 著者所属(英): en
• 著者所属(英): Comunications Research Laboratory
• 著者名: 南條浩輝; 河原, 達也; 山田, 篤; 内元, 清貴
• 著者名(英): Hiroaki, Nanjo; Tatsuya, Kawahara; Atsushi, Yamada; Kiyotaka, Uchimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 大語彙の話し言葉音声認識における言語モデルの教師なし話者適応について報告をおこなう．講演などの話し言葉においては，話題の他に文末表現などで発話の傾向やその発音が話者間で大きく異なるため，言語・発音モデルの話者性への適応が必要である．本稿では，教師なし言語モデル話者適応手法として（1）認識結果を直接用いて適応する手法，及び（2）発話文単位で類似テキストを選択しそれを用いて適応する手法，を提案する．その上で発音変動のモデル化についても検討し，話者適応の枠組みに統合することで，言語表現の傾向と発音変動の両方を同時にモデル化する．実際の講演の音声認識実験において提案手法それぞれの有効性を確認した．提案手法の統合の効果も確認し，単語誤り率を4.4％改善できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper addresses speaker adaptation of language model in large vocabulary spontaneous speech recognition. In spontaneous speech, the expression and pronunciation of words vary a lot depending on the speaker and topic. Therefore, we present unsupervised methods of language model adaptation to a specific speaker by (1) making direct use of the initial recognition result for generating an enhanced model, and (2) selecting similar texts for adaptation utterance by utterance. We also investigate the pronunciation variation modeling and its adaptation in the same framework. It is confirmed that all proposed adaptation methods and their combinations reduced the perplexity and word error rate in transcription of real lectures.
• 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 2002, 号 121(2002-SLP-044), p. 189-194, 発行日 2002-12-16
• 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