MLLR変換行列により制約された音響特徴量生成による頑健な音響モデル Robust Acoustic Modeling Using MLLR Transformation-based Speech Feature Generation

この論文をさがす

著者

抄録

本稿では,新たな音響特徴量生成に基づいた音響モデル学習手法を提案する.近年、MLLRやMAPといった話者適応手法が広く用いられている.しかし,話者適応手法は適応音声が必要となる.対照的に提案手法では学習データに含まれる話者だけでなく1発話もない未知の話者に対しても頑健な認識性能を発揮する不特定話者モデルを構築する.提案手法はMLLR変換行列に着目し,MLLR変換行列の逆変換により音響特徴量を生成し,生成した特徴量により音響モデルを学習する,生成型学習を行う.限られた学習データから得たMLLR変換行列に対し主成分分析を行うことでMLLR変換行列の基底を抽出し,基底の線形結合によりMLLR変換行列を表現する.線形結合における重みパラメータの分布を確率的に表現し,その分布より新たな重みパラメータをサンプリングすることで擬似的な話者のMLLR変換行列を構築し,標準話者の音響特徴量に対し逆変換を適用することで擬似話者の音響特徴量を生成する.生成した音響特徴量により音響モデル学習を行い,孤立単語認識実験を行ったところ,未知の話者に対し頑健な認識が可能であることを確認した.

We propose a novel acoustic model training method based on the new acoustic feature generation. Recently, the speaker adaptation method, such as MLLR and MAP, are widely used. However, all speaker adaptation methods need adaptation data. On the contrary, our method makes speaker-independent acoustic models that cover not only known but also unknown speakers. We focused on MLLR transformation matrix. Our method is a kind of generative training which generates new acoustic features by inverse transformation of MLLR transformation matrix and uses generated features to train acoustic models. We obtain MLLR transformation matrices from a limited number of existing speakers. Then we extract the bases of the MLLR transformation matrices using PCA and express MLLR transformation matrix by linear combination of bases. The probability distribution of the weight parameters to express the MLLR transformation matrices for the existing speakers are estimated. Finally we generate pseudo-speaker MLLR transformation by sampling the weight parameters from the distribution and apply the inverse of the transformation to the normalized existing speaker features to generate the pseudo-speakers' features. Using these features, we train the acoustic models. Evaluation results show that the acoustic models trained by our method are robust for unknown speakers.

収録刊行物

  • 電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション

    電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション 110(356), 55-60, 2010-12-13

    一般社団法人電子情報通信学会

参考文献:  11件中 1-11件 を表示

各種コード

  • NII論文ID(NAID)
    110008676766
  • NII書誌ID(NCID)
    AN10091225
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    09135685
  • NDL 記事登録ID
    10937256
  • NDL 雑誌分類
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL 請求記号
    Z16-940
  • データ提供元
    CJP書誌  NDL  NII-ELS 
ページトップへ