音声の構造的表象を用いた雑音環境下における日本語母音系列の自動認識

摘要

音声には話者の声道形状の特性，音響機器の特性などの非言語的特徴が不可避的に混入するが，近年，これらを表現する次元を原理的に保有しない音響的普遍構造が提案されている．これは，音声事象の物理的実体を捨象し，関係のみを捉えることによって得られる音声の構造的表象である．本稿では，まず雑音環境下での音響的普遍構造に関する分析実験を行なった．その結果，加算性雑音によって音響的普遍構造の形状が歪むものの，スペクトル高域成分を均一化させることで，話者性がさらに消失されることが示された．次に，加算性雑音下での日本語母音系列の認識実験を行ない，雑音下で学習した学習話者1名の提案手法が，SS (Spectral Subtraction)及びCMN (Cepstral Mean Normalization)を用いた学習話者4,130名の従来手法を上回る結果が得られた．