音響パラメータと調音パラメータの結合を考慮した音声認識

摘要

本報告では、われわれは調音パラメータにある静的と動的な成分による音声認識への貢献を考察し、調音パラメータを音響パラメータに結合したいくつかの音声認識方法を検討した。 調音運動を磁気センサー装置により観測し音声信号も同時に記録した。 本研究では、まず特定の観測点からなる調音パラメータを用いるいくつかの認識実験により、調音器官の異なる部位による貢献度を考察した。 次は、調音運動の変位成分を直接音響パラメータと結合を行った。 その結果、調音パラメータは音響パラメータにない音声認識に有用な情報を持っていることがわかった。さらに、調音運動の動的な成分の音声認識への貢献度は調音運動の変位成分と同様な手法で評価した。調音データの加速度成分は音響パラメータの相当する成分 (△△MFCC) に比べて音声認識に大きく貢献している。 最後に、調音パラメータと音響パラメータとの結合方法について検討した。 基本的なアプローチはHMMの状態ごとにべイジアンネットワークを付き加えて、調音パラメータはモデル学習段階で観測できる量とされるが、音声認識段階において隠れ変数として取り扱われる。 その結果、HMM侶Nによる音声認識率は通常のHMMモデルより高くなっている。