発音変形依存モデルを用いた講演音声認識

摘要

本研究では話し言葉の音声認識で問題となる各種変動要因のうち，不明りょうな発音などを中心とrnした発音変形の問題について検討する．一般に発音変形への対処として，一つの表記に対し想定される読みを複rn数登録する方法がとられる．しかし単純に読みを増加させるとマッチングの対象が増加し，逆に認識時に悪影響rnを及ぼす．そこで本研究では発音変形の言語的な偏りを利用するため，発音変形を考慮した形態素解析データにrn基づく言語モデルを提案する．以上を実硯するため，「日本語話し言葉コーパス」（CSJ）の書き起こしテキストrnを利用して，約95万語からなる発音変形のエントリを含む学習テキストを作成，それに基づき言語モデルを学習rnする．CSJに含まれる講演音声の認識実験を行い，4講演の平均で単語誤り率（WER）の改善率は26.5%を達rn成し，話し言葉の認識においては，発音変形への対処が重要であることを示した．また言語モデルや音響モデルrnの教師なし適応法を導入することにより，更なる性能向上を目指した結果，WERが適応なしの場合の21.8%かrnら，言語モデル及び音響モデルの教師なし適応を行った場合で17.6%に減少した．