構音障害者音声認識のための混合正規分布に基づく音素ラベリングの検討

摘要

本報告では，アテトーゼ型脳性麻痺による構音障害者の音声認識の検討を行う．従来研究として，畳み込みニューラルネットワークを用いた特徴量抽出法が提案され，その有効性が示されてきた．ニューラルネットワークの学習には教師信号としてHMMによる強制アライメントの結果が用いられているが，構音障害者の音声は発話毎にスペクトルの変動が大きいため，正確なアライメントを取ることは極めて難しい．誤った教師信号ではネットワークは十分に学習できないと考えられるため，上述の手法はその性能を十分に発揮できていないと考えられる．しかし，構音障害音声の音素境界は，健常者に比べて非常に曖昧であり，正確な音素境界を与えることは根本的に難しい．本研究では，音素ラベルを正規分布を用いた確率表現で与えることにより，構音障害音声特有の音素境界の曖昧性を考慮したラベリングを新たに提案する．本稿では，提案手法より得られる音素ラベルを教師信号としてネットワークを学習し，そのネットワークから抽出された特徴量を用いた単語認識実験の結果を報告する．