議会の会議録作成のための音声認識－衆議院のシステムの概要－

• Item type: SIG Technical Reports(1)
• 公開日: 2012-10-19
• タイトル: 議会の会議録作成のための音声認識－衆議院のシステムの概要－
• タイトル / 言語: en
• タイトル: Overview of Automatic Speech Recognition for Transcription System in the Japanese Parliament (Diet)
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: デベロッパーズフォーラム
• 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(英): en
• 著者所属(英): Kyoto University
• 著者名: 河原, 達也
• 著者名(英): Tatsuya, Kawahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 衆議院で 2011 年度より運用されている音声認識を用いた会議録作成システムについて述べる。このシステムでは、原則すべての本会議・委員会の審議において、発言者のマイクから収録される音声を音声認識システムで書き起こし、会議録の原稿作成支援を行う。議会審議のような話し言葉音声に対して高い認識性能を実現するために、審議音声と会議録を “そのまま” 効果的に活用する枠組みを考案・実装した。これは、発言の忠実な書き起こしと編集された会議録テキストとの間の統計的な言語モデル変換に基づいている。この枠組みにより、忠実な書き起こしを作成することなく、音響モデルと言語モデルの学習を可能にし、長期的なモデルの半自動更新も可能にしている。運用後も含めて、 12 年分の会議録テキストと約 1000 時間の審議音声で音響・言語モデルを構築することにより、約 90% の文字正解率を実現した。本稿では、音声認識結果を編集するソフトウェア (エディタ) やシステムの運用に関しても述べる。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This article describes a new automatic transcription system in the Japanese Parliament which deploys our automatic speech recognition (ASR) technology and has been in official operation since April 2011. The speaker-independent ASR system handles all plenary sessions and committee meetings to generate an initial draft, which is corrected by Parliamentary reporters. To achieve high recognition performance in spontaneous meeting speech, we have investigated an efficient training scheme with minimal supervision which can exploit a huge amount of real data. Specifically, we have proposed a scheme of statistical language model transformation, which fills the gap between faithful transcripts of spoken utterances and final texts for documentation. Once this mapping is trained, we no longer need faithful transcripts for training both acoustic and language models. The scheme also realizes a sustainable ASR system which evolves, i.e. update/re-train the models, only with speech and text generated during the system operation. After its initial deployment in 2010, the system has been improved with accumulated data of 1000-hour speech, consistently achieving character correctness of approximately 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: 研究報告音声言語情報処理（SLP）; 巻 2012-SLP-93, 号 5, p. 1-6, 発行日 2012-10-19
• 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