連続単語音声認識結果の読み系列を利用した辞書未登録語の音声文書検索

摘要

マルチメディアコンテンツ利用機会の増加に伴い，ユーザが見たい場面を容易に検索できる機能が求められる．この機能の実現手法として，音声区間を音声認識し検索キーワードの含まれる区間を特定する方式が研究されているが，音声認識に用いる単語辞書に未登録の言葉は検索が困難であるという問題がある．本稿では，音声認識結果に付加される単語の読み系列を利用することで，辞書未登録語であっても検索可能とする新たなアプローチを提案する．提案方式では，クエリとして辞書未登録語が入力されると，音声認識結果からクエリと類似する読み系列が含まれる区間を類似度に従って高い順位のものから候補文書として出力する．この際，サブワード間音響距離を照合時局所距離として用いることで検索精度の向上を図り，さらに候補文書に対する再認識処理を行うことで一層の検索精度の向上を図った．評価実験では，サブワード間音響距離，再認識処理を用いることで検索性能の向上を確認した．サブワード列照合方式と比べ同等の検索精度が得られ，本手法の有効性を示した．%According to the wide spread of multimedia environment and HDD recorders, many users come to watch and operate video data and information retrieval from video data has been needed these days. For this purpose, many researches have been conducted using a result of a speech recognizer. It is difficult for such a method to deal with out-of-vocabulary (00V) words for a speech recognizer. Therefore, the paper propose a new approach to enable to retrieve an OOV word section by using phone sequences obtained form the result of a speech recognizer. The proposed approach introduces a phonetic distance matrix and a re-recognition process. The phonetic distance matrix expresses a phonetic distance between any two subwords. These methods are expected to recover substitution errors and improve the retrieval performance. Our experimental results demonstrated the proposed method achieved the comparable performance to the subword matching method without additional processes and large indexes.