大規模な外部言語資源と発音辞書を用いたEnd-to-End 音声認識の事前学習の検討

摘要

本稿では，End-to-End 音声認識の高精度化のために，大規模な外部言語資源と発音辞書を用いた事前学習方法を提案した．提案手法では，大規模な外部言語資源と発音辞書を用いることで音素書記素変換のモデル化を最初に行い，そこで得られた知識をEnd-to-End 音声認識に転移させることで，様々なドメインにロバストな音声認識を構成する．40 億トークンのWeb テキストを用いた評価実験において，提案手法が未知のドメインの性能改善に特に有効であることが示された．