N-best線形辞書探索と1-best近似木構造辞書探索の併用による大語彙連続音声認識

摘要

HMMに基づく大語彙連続音声認識システムでは,語彙数の増加に伴い認識時間が増加する。 そこでサブワード単位でプレフィクスを単語間で共有した木構造化辞書を用いることで状態数を削減する。 また認識過程において音声の各時刻における部分文仮説に接続しうる単語を次々とつないでいくと仮説数が急速に増大するため,単語境界や尤度の単語履歴依存性に対して近似手法を用いる。 まず,木構造辞書とバイグラムを用いた認識手法における単語履歴依存性の近似手法,および線形辞書を用いた認識手法について比較検討を行った。 1-best近似木構造辞書探索は効率が良いが探索仮定で最適な解が失われる可能性が高いこと,線形辞書に関しては最適な解は求められるが効率が悪い。 これらを踏まえ,木構造辞書を用いた1-best近似探索と,一部の単語を動的に線形に展開して探索する方法とを併用する手法を提案する。この手法を読み上げ音声およびニュース音声において実験的に評価した。その結果,全2万単語のうち250単語について線形辞書に動的に展開することによって,読み上げ音声では正解精度約5％および正解率約3％,ニュース音声では正解精度約2％,正解率約3％の性能の向上を得ることができた。