エルゴードHMMを用いたオンライン話者クラスタリングおよび議事録作成への応用

摘要

リアルタイム性が求められる応用に適した，オンライン話者クラスタリングの新しい手法を提案する.提案法は，エルゴード型の隠れマルコフモデル（HMM）を発話の生成モデルとし，変分ベイズ法に基づくインクリメンタル学習を適用することにより，逐次入力される発話をその履歴も考慮して正確に分頬する.会議音声を用いた実験を通して，提案法が分類誤りを60-80％削減できることや，教師なし話者適応と組み合わせた大語彙連続音声認識での認識誤り削減効果などを示す.%A novel online speaker clustering method suitable for real-time applications is proposed. Using an ergodic hidden Markov model (HMM), it employs incremental learning based on a variational Bayesian framework and provides probabilistic (non-deterministic) decisions for each input utterance, directly considering the specific history of preceding utterances. It makes possible more robust cluster estimation and precise classification of utterances than do conventional online methods. Experiments on meeting-speech data show that the proposed method produces 60-80% fewer classification errors than a conventional method does. They also show that it reduces speech recognition errors when combined with unsupervised speaker adaptation.