孤立単語音声認識を用いた雑音ロバストキーワードスポッティング

摘要

本研究では，雑書環境下での連続音声からキーワードスポッティングを行った．提案手法は雑音ロバスト孤立単語音声認識を連続音声に適用することでキーワードを抽出する．この手法ではハードウェアの構成法である超並列処理を用いることで実時間での処理を目指している．本研究ではこの手法を超並列苦声認識と呼ぶ．連続音声を複数の区間に分割し．それぞれの区間に単語音声認識を処理することでキーワードの区間を推定することができる．また，キーワードスポッティングを行う際，キーワード以外の音声や非音声を認識結果としては認識精度が下がる．よって，それらの結果を棄却する処理が必要となる．棄却処理には認識処理で得られる尤度を用いて棄却するかを判定する．超並列音声認識を行うことで複数の認識結果が得られるため，これらの情報を総合しすることで棄却処理の信頼性を向上させることができる．超並列音声認識によるキーワードスポッティングを行った結果，雑書環境下でも高い認識率を得ることができた．%In this report, we performed a keyword spotting from cotinuous speech under noisy environments. The proposed algorithm is based on the robust isolated word recognition and it is applied for the continuous speech. Super parallel calculation mechanism is embedded into the proposed method. We can realize real time processing using its parallel structure in a hardware system. This paper calls super-parallel automatic speech recognition (SP-ASR). The method can estimate the section of the keywords and recognize it from continuous speech. If a speech except the keywords and non-speech are given during this recognition, the recognition accuracy is degraded. Therefore, the new processing which rejects the unsuitable results is necessary.By using the likelihoods into speech recognition, the new rejection algorism is implemented. Some recognition results are computed by SP-ASR and the reliability of the recognition and the rejection can be improved. We finally show a result that high recognition ratio could be obtained by performing keyword spotting in SP-ASR from continuous speech under noisy environments.