リカレントネットワークを用いた連続音声認識

• 柳谷尚寿

  電気通信大学電子情報学科

• 高橋 治久

  電気通信大学電子情報学科

• 富田 悦次

  電気通信大学電子情報学科

書誌事項

タイトル別名

• Continuous Speech Recognition Using Recurrent Neural Network.

抄録

連続音声認識を行うためには、連続音声を音素などの認識の基本単位にセグメンテーションをしなければならない。現在、用いられている方法は任意のフレームを音素間の業界の候補であるとし、各候補点ごとにHMMと照合を行うため、処理時間がかかり、実時間処理が難しい。本報告ではリカレントニューラルネットワーク(RNN)を用いた連続音声認識の実現法を提案し、実験と検討を行った。本手法は音素単位での認識を行うようにRNNの学習を行うが、RNNが音素を認識する際、スペクトル包絡やホルマント周波数の遷移といった音響的特徴を利用するので、音素間の境界が自動的に決定され、ほぼ実時間で音素スポッティングが行える。また、ネットワークの内部を解析したところ、特定周波数成分の時間変化に反応するAMニューロンや、ホルマント周波数の遷移に強く反応するFMニューロンが形成されるなど、生体の聴覚と比較しても興味深い結果を得た。

収録刊行物

• 信学技報

  信学技報 55-62, 1993

  一般社団法人電子情報通信学会

キーワード

• リカレントネットワーク
• 連続音声認識
• 音素スポッティング
• AM,FMニューロン

詳細情報

• CRID: 1570572702386557952
• NII論文ID: 110003296749
• NII書誌ID: AN10060797
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles