国会音声認識システムの音響・言語モデルの半自動更新

• Item type: SIG Technical Reports(1)
• 公開日: 2010-12-13
• タイトル: 国会音声認識システムの音響・言語モデルの半自動更新
• タイトル / 言語: en
• タイトル: Semi-automated Update of Automatic Transcription System for the Japanese National Congress
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Session-1 言語モデル・適応化
• 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: 京都大学学術情報メディアセンター／京都大学情報学研究科
• 著者所属: 京都大学学術情報メディアセンター
• 著者所属: 京都大学情報学研究科
• 著者所属: 京都大学学術情報メディアセンター／京都大学情報学研究科
• 著者所属(英): en
• 著者所属(英): Academic Center for Computing and Media Studies, Kyoto University / School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Academic Center for Computing and Media Studies, Kyoto University
• 著者所属(英): en
• 著者所属(英): School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Academic Center for Computing and Media Studies, Kyoto University / School of Informatics, Kyoto University
• 著者名: 秋田, 祐哉; 三村, 正人; Graham, Neubig; 河原, 達也
• 著者名(英): Yuya, Akita; Masato, Mimura; Graham, Neubig; Tatsuya, Kawahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 音声認識システムの性能を維持するためには音響モデルと言語モデルを継続的に更新することが求められるが，このための労力とコストは小さくない．本稿では，国会音声認識システムにおいてモデル更新の負担を軽減するために検討した半自動更新の枠組みについて報告する．この枠組みは言語モデルの発話スタイル変換と音響モデルの準教師つき学習に基づいており，更新に必要な話し言葉の学習テキスト・ラベルを会議録から自動的に生成する．総選挙後の国会審議音声のためにモデル更新を行い評価したところ，音声認識精度の改善が示された．本稿ではさらに，会議録に発話スタイル変換を適用して擬似的な正解テキストを生成することによる，書き起こし不要の音声認識精度推定についても述べる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Update of acoustic and language models is vital to maintain performance of automatic speech recognition (ASR) systems. To alleviate efforts for updating models, we propose a “semi-automated” framework for the ASR system of the Japanese National Congress. The framework consists of our speaking-style transformation (SST) and lightly-supervised training (LSV) approaches, which can automatically generate spoken-style training texts and labels from documents like meeting minutes. An experimental evaluation demonstrated that this update framework improved the ASR performance for the latest meeting data. We also address an estimation method of the ASR accuracy based on SST, which uses minutes as reference texts and does not require verbatim transcripts.
• 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: 研究報告音声言語情報処理（SLP）; 巻 2010-SLP-84, 号 3, p. 1-5, 発行日 2010-12-13
• 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