大規模英語学習者を対象とした音声の構造的表象に基づく発音分類とその応用

摘要

音声の音響的特徴は，話者や音響機器などの非言語的要因によって不可避的に変動し，同じ発話内容でも観測される音響事象は異なる。従来の音声システムでは，基本的に，大量の音声を用いて個々の言語事象を統計的にモデル化することで対処してきた。これは，不可避な音声歪みを内包した特徴量を利用していることに相当し，不一致問題の解決には至らず，話者を選ぶシステムとなっていた。音声認識の分野では，種々の適応技術(例えば話者適応)が用いられているが，本稿で検討するような発音学習に適用すると，下手な発音に対して高いスコアを与えるような適応が免れない。