ソフトマスクと音響モデル適応を用いた3話者同時発話音声認識

摘要

分離歪に適応させた音響モデルにソフトマスクを適応すると認識精度を改善することを確認した.音響モデルを分離歪に適応し，マスク処理と併用しても信頼度が適切に反映される仕組を考察した.話者適応による改善も確認できた.音響モデルを話者適応と分離歪とに適応すると話者間が中程度(40〜60度)の時に精度改善が大きく，ソフトマスクで更に精度が改善される結果となった.話者間角度が50度以上あれば約80%以上の比較的高い精度を達成可能なことを示唆できた.音響モデル適応とソフトマスク処理により複数話者のコミュニケーションにおいて人間とロボットの立ち位置の自由度を高めることができた.今後の課題は,教師なし適応の性能評価などがある.