重回帰HMMに基づくスタイル推定を用いた音声認識における音響モデル学習法

摘要

本論文では，重回帰HMMに基づくスタイル推定を用いた音声認識手法において，この手法を容易に任意の話者へ適用することを目的に，重回帰HMMの学習に話者非依存モデルとモデル適応手法を導入する手法を提案する．提案法では，まず話者非依存モデルに目標話者の各スタイルの少量の適応データを用いて，話者性とスタイルの同時適応を行い，重回帰HMMの学習に用いる目標話者のスタイル適応HMMを作成する．得られたスタイル適応HMMのモデルパラメータと発話様式·感情表現（スタイル）の表出度合を表すスタイルベクトルから，最小二乗法により重回帰HMMの回帰行列を求め，最尤推定により補正を行う．プロのナレータと一般の発話者が発話した模擬感情音声に対して音素認識実験を行い，その結果から提案法の性能評価を行う．また，提案法ではスタイル推定の結果から，認識結果だけでなく入力音声のスタイルも得られることを示す．