調音クラスの事後確率に基づく言語識別の検討－言語共通の調音特徴抽出器およびVQ符号長について

摘要

国際音声記号表に基づいた調音クラスを設定し，音声のスペクトル特徴時系列に対する調音クラスの事後確率を用いた言語識別方法を提案する．音声のスペクトル特徴に対する調音クラスの対数事後確率をGMMに基づく調音特徴抽出器により求め，各調音クラスの対数事後確率値を束ね多次元の調音特徴ベクトルを得る．調音特徴ベクトルをベクトル量子化し，得られたVQ符号時系列のN-gramを識別用言語モデルとする．本稿では，調音クラスの事後確率が言語を識別する特徴として有効であることを示し，言語個別の調音特徴抽出器と言語共通の調音特徴抽出器の識別性能を比較した．日英2言語識別実験の結果，言語個別の調音特徴抽出器を用いる方法は比較的小さな符号長64のとき最も良い識別率98.1%が得られ，言語共通の調音特徴抽出器を用いる方法は符号長256のとき最も良い識別率95.6%が得られた．