JP2016099507A - 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム - Google Patents
音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム Download PDFInfo
- Publication number
- JP2016099507A JP2016099507A JP2014236637A JP2014236637A JP2016099507A JP 2016099507 A JP2016099507 A JP 2016099507A JP 2014236637 A JP2014236637 A JP 2014236637A JP 2014236637 A JP2014236637 A JP 2014236637A JP 2016099507 A JP2016099507 A JP 2016099507A
- Authority
- JP
- Japan
- Prior art keywords
- acoustic feature
- acoustic
- feature quantity
- sequence
- feature amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】特徴量抽出部13は、対象音声信号から抽出した対象音響特徴量系列と参照音声信号から抽出した参照音響特徴量系列とを生成する。特徴量照合部14は、対象音響特徴量系列と参照音響特徴量系列との対応関係を照合した照合済みの対象音響特徴量系列と参照音響特徴量系列とを生成する。変換モデル生成部15は、照合済みの対象音響特徴量系列と参照音響特徴量系列とを用いて、入力音響特徴量の音響的特徴を対象音響特徴量系列と参照音響特徴量系列との対応関係に基づいて変換した音響特徴量系列を出力する変換モデルを学習する。疑似特徴量生成部16は、変換モデルを用いて音声信号から抽出した音響特徴量系列の音響的特徴を変換した疑似音響特徴量系列を生成する。
【選択図】図1
Description
この発明では、認識対象タスクにおける学習データが音響モデルを適応させるのに十分な量ではない状況下を想定している。この発明では、大きく以下の流れで音響モデルの適応を行う。
(1)認識対象タスクに関して元々入手できた少量の学習データBと、認識対象タスクではないが十分な量の学習データAとがある前提で、学習データAの音響特徴量から学習データBの音響特徴量へ変換する変換器を生成する。ここで、変換器はニューラルネットを利用する。
(2)上記の変換器を利用して学習データAを変換した十分な量の疑似学習データCを作成する。
(3)元々の学習データBと疑似学習データCとを用いて、音響モデルを認識対象タスクへ適応する学習処理を行う。
[第一実施形態]
第一実施形態は、完全なパラレルデータが存在する場合に音響特徴量を変換するニューラルネットを学習し、そのニューラルネットを利用して疑似的な学習データを作成する音響特徴量変換装置および方法と、その学習データを利用して音響モデルの適応を行う音響モデル適応装置である。パラレルデータとは、同一の発話内容で音響的特徴が異なる二つの音響特徴量系列の組を言う。音響的特徴は、例えば、話者や雑音タイプ、喋り方などが挙げられる。
第二実施形態は、完全なパラレルデータが存在しない場合に音響特徴量を変換するニューラルネットを学習し、そのニューラルネットを利用して疑似的な学習データを作成する音響特徴量変換装置および方法と、その学習データを利用して音響モデルの適応を行う音響モデル適応装置である。
上記実施形態で説明した各装置における各種の処理機能をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
2 音響モデル適応装置
10 入力端子
11 音声信号取得部
12 ラベル付与部
13 特徴量抽出部
14、19 特徴量照合部
15 変換モデル生成部
16 疑似特徴量生成部
17 音響モデル学習部
18 発話強制アラインメント部
21 音声信号記憶部
22 特徴量記憶部
23 変換モデル記憶部
24 疑似特徴量記憶部
Claims (8)
- 認識対象とするタスクに関する対象音声信号から抽出した対象音響特徴量系列と上記対象音声信号と発話内容が対応する参照音声信号から抽出した参照音響特徴量系列とを生成する特徴量抽出部と、
上記対象音響特徴量系列と上記参照音響特徴量系列との対応関係を特徴量ごとの類似度に基づいて照合した照合済み対象音響特徴量系列と照合済み参照音響特徴量系列とを生成する特徴量照合部と、
上記照合済み対象音響特徴量系列と上記照合済み参照音響特徴量系列とを用いて、入力音響特徴量の音響的特徴を上記対応関係に基づいて変換した音響特徴量系列を出力する変換モデルを学習する変換モデル生成部と、
上記変換モデルを用いて上記タスクと音響的特徴が異なる音声信号から抽出した音響特徴量系列の音響的特徴を変換した疑似音響特徴量系列を生成する疑似特徴量生成部と、
を含む音響特徴量変換装置。 - 請求項1に記載の音響特徴量変換装置であって、
上記特徴量照合部は、上記対象音響特徴量系列と上記参照音響特徴量系列との対応関係を短時間フレーム単位の特徴量ごとの類似度の大きさに基づいて時系列上で照合するものである
音響特徴量変換装置。 - 請求項1に記載の音響特徴量変換装置であって、
上記対象音響特徴量系列と上記参照音響特徴量系列とに対して確率モデルに基づく音声認識を行い、上記確率モデルの状態番号を割り当てる発話強制アラインメント部をさらに含み、
上記特徴量照合部は、上記対象音響特徴量系列と上記参照音響特徴量系列との対応関係を上記状態番号の遷移が一致する音素列に基づいて照合するものである
音響特徴量変換装置。 - 請求項1から3のいずれかに記載の音響特徴量変換装置であって、
上記変換モデルは、上記入力音響特徴量の音響的特徴を上記対象音響特徴量系列と上記参照音響特徴量系列との対応関係に基づいて変換するニューラルネットである
音響特徴量変換装置。 - 認識対象とするタスクに関する対象音声信号から抽出した対象音響特徴量系列を記憶する音響特徴量記憶部と、
請求項1から4のいずれかに記載の音響特徴量変換装置が生成した変換モデルを用いて、上記タスクと音響的特徴が異なる音声信号から抽出した音響特徴量系列の音響的特徴を変換した疑似音響特徴量系列を記憶する疑似音響特徴量記憶部と、
上記対象音響特徴量系列と上記疑似音響特徴量系列とを用いて音響モデルを学習する音響モデル学習部と、
を含む音響モデル適応装置。 - 特徴量抽出部が、認識対象とするタスクに関する対象音声信号から抽出した対象音響特徴量系列と上記対象音声信号と発話内容が対応する参照音声信号から抽出した参照音響特徴量系列とを生成する特徴量抽出ステップと、
特徴量照合部が、上記対象音響特徴量系列と上記参照音響特徴量系列との対応関係を特徴量ごとの類似度に基づいて照合した照合済み対象音響特徴量系列と照合済み参照音響特徴量系列とを生成する特徴量照合ステップと、
変換モデル生成部が、上記照合済み対象音響特徴量系列と上記照合済み参照音響特徴量系列とを用いて、入力音響特徴量の音響的特徴を上記対応関係に基づいて変換した音響特徴量系列を出力する変換モデルを学習する変換モデル生成ステップと、
疑似特徴量生成部が、上記変換モデルを用いて上記タスクと音響的特徴が異なる音声信号から抽出した音響特徴量系列の音響的特徴を変換した疑似音響特徴量系列を生成する疑似特徴量生成ステップと、
を含む音響特徴量変換方法。 - 音響特徴量記憶部に、認識対象とするタスクに関する対象音声信号から抽出した対象音響特徴量系列が記憶されており、
疑似音響特徴量記憶部に、請求項6に記載の音響特徴量変換方法で生成した変換モデルを用いて、上記タスクと音響的特徴が異なる音声信号から抽出した音響特徴量系列の音響的特徴を変換した疑似音響特徴量系列が記憶されており、
音響モデル学習部が、上記対象音響特徴量系列と上記疑似音響特徴量系列とを用いて音響モデルを学習する音響モデル学習ステップと、
を含む音響モデル適応方法。 - 請求項1から4のいずれかに記載の音響特徴量変換装置もしくは請求項5に記載の音響モデル適応装置としてコンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014236637A JP6189818B2 (ja) | 2014-11-21 | 2014-11-21 | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014236637A JP6189818B2 (ja) | 2014-11-21 | 2014-11-21 | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016099507A true JP2016099507A (ja) | 2016-05-30 |
JP6189818B2 JP6189818B2 (ja) | 2017-08-30 |
Family
ID=56077786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014236637A Active JP6189818B2 (ja) | 2014-11-21 | 2014-11-21 | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6189818B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018167900A1 (ja) * | 2017-03-16 | 2018-09-20 | 日本電気株式会社 | ニューラルネットワーク学習装置、方法、およびプログラム |
JP2019144402A (ja) * | 2018-02-20 | 2019-08-29 | 日本電信電話株式会社 | 音声変換学習装置、音声変換装置、方法、及びプログラム |
JP2020027211A (ja) * | 2018-08-15 | 2020-02-20 | 日本電信電話株式会社 | 学習データ生成装置、学習データ生成方法、及びプログラム |
JP2021033315A (ja) * | 2019-08-13 | 2021-03-01 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
JP2021117245A (ja) * | 2020-01-22 | 2021-08-10 | クリスタルメソッド株式会社 | 学習方法、評価装置、データ構造、及び評価システム |
JPWO2020183845A1 (ja) * | 2019-03-08 | 2021-11-25 | 日本電気株式会社 | 音響処理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008026489A (ja) * | 2006-07-19 | 2008-02-07 | Asahi Kasei Corp | 音声信号変換装置 |
JP2014219605A (ja) * | 2013-05-09 | 2014-11-20 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ターゲットドメインの学習用音声データの生成方法、生成装置、および生成プログラム |
-
2014
- 2014-11-21 JP JP2014236637A patent/JP6189818B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008026489A (ja) * | 2006-07-19 | 2008-02-07 | Asahi Kasei Corp | 音声信号変換装置 |
JP2014219605A (ja) * | 2013-05-09 | 2014-11-20 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ターゲットドメインの学習用音声データの生成方法、生成装置、および生成プログラム |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018167900A1 (ja) * | 2017-03-16 | 2018-09-20 | 日本電気株式会社 | ニューラルネットワーク学習装置、方法、およびプログラム |
JPWO2018167900A1 (ja) * | 2017-03-16 | 2019-11-07 | 日本電気株式会社 | ニューラルネットワーク学習装置、方法、およびプログラム |
US11580383B2 (en) | 2017-03-16 | 2023-02-14 | Nec Corporation | Neural network learning device, method, and program |
JP2019144402A (ja) * | 2018-02-20 | 2019-08-29 | 日本電信電話株式会社 | 音声変換学習装置、音声変換装置、方法、及びプログラム |
JP2020027211A (ja) * | 2018-08-15 | 2020-02-20 | 日本電信電話株式会社 | 学習データ生成装置、学習データ生成方法、及びプログラム |
WO2020035999A1 (ja) * | 2018-08-15 | 2020-02-20 | 日本電信電話株式会社 | 学習データ生成装置、学習データ生成方法、及びプログラム |
JPWO2020183845A1 (ja) * | 2019-03-08 | 2021-11-25 | 日本電気株式会社 | 音響処理方法 |
US11996115B2 (en) | 2019-03-08 | 2024-05-28 | Nec Corporation | Sound processing method |
JP2021033315A (ja) * | 2019-08-13 | 2021-03-01 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
JP7326983B2 (ja) | 2019-08-13 | 2023-08-16 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及び情報処理プログラム |
JP2021117245A (ja) * | 2020-01-22 | 2021-08-10 | クリスタルメソッド株式会社 | 学習方法、評価装置、データ構造、及び評価システム |
Also Published As
Publication number | Publication date |
---|---|
JP6189818B2 (ja) | 2017-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Cn-celeb: multi-genre speaker recognition | |
US10347244B2 (en) | Dialogue system incorporating unique speech to text conversion method for meaningful dialogue response | |
JP6189818B2 (ja) | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム | |
Ghai et al. | Literature review on automatic speech recognition | |
JP7243760B2 (ja) | 音声特徴補償装置、方法およびプログラム | |
US10013973B2 (en) | Speaker-adaptive speech recognition | |
JP6305955B2 (ja) | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、およびプログラム | |
Aggarwal et al. | Integration of multiple acoustic and language models for improved Hindi speech recognition system | |
Basak et al. | Challenges and Limitations in Speech Recognition Technology: A Critical Review of Speech Signal Processing Algorithms, Tools and Systems. | |
Marasek et al. | System for automatic transcription of sessions of the Polish senate | |
US20140142925A1 (en) | Self-organizing unit recognition for speech and other data series | |
Ilyas et al. | Speaker verification using vector quantization and hidden Markov model | |
JP6546070B2 (ja) | 音響モデル学習装置、音声認識装置、音響モデル学習方法、音声認識方法、およびプログラム | |
KR101598950B1 (ko) | 발음 평가 장치 및 이를 이용한 발음 평가 방법에 대한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체 | |
Mandava et al. | An investigation of LSTM-CTC based joint acoustic model for Indian language identification | |
JP6114210B2 (ja) | 音声認識装置、特徴量変換行列生成装置、音声認識方法、特徴量変換行列生成方法及びプログラム | |
Vlasenko et al. | Determining the smallest emotional unit for level of arousal classification | |
Kilgour et al. | The 2013 KIT IWSLT Speech-to-Text Systems for German and English | |
JP5703747B2 (ja) | 音声認識装置,および音声認識プログラム | |
WO2023135788A1 (ja) | 音声処理学習方法、音声処理学習装置、およびプログラム | |
Gref | Robust Speech Recognition via Adaptation for German Oral History Interviews | |
JP7353839B2 (ja) | 話者識別装置、話者識別方法、及び、プログラム | |
Hemakumar et al. | Speaker Independent Isolated Kannada Word Recognizer | |
WO2022034630A1 (ja) | 音声処理装置、音声処理方法、記録媒体、および音声認証システム | |
Kamath et al. | Automatic Speech Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170803 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6189818 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |