JP6695830B2 - 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム - Google Patents
音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム Download PDFInfo
- Publication number
- JP6695830B2 JP6695830B2 JP2017111576A JP2017111576A JP6695830B2 JP 6695830 B2 JP6695830 B2 JP 6695830B2 JP 2017111576 A JP2017111576 A JP 2017111576A JP 2017111576 A JP2017111576 A JP 2017111576A JP 6695830 B2 JP6695830 B2 JP 6695830B2
- Authority
- JP
- Japan
- Prior art keywords
- deterioration factor
- frame
- speech recognition
- recognition accuracy
- posterior probability
- 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.)
- Active
Links
Images
Landscapes
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
入力:音声
出力:各フレームの音声特徴量
処理:音声特徴量抽出部11は、入力された音声からフレーム毎の音声特徴量を抽出する(S11)。音声特徴量抽出部11は、例えば非特許文献3に記載の公知の技術により、各フレームの音声特徴量を抽出する。
入力音声を音響分析する際、分析対象の波形は一定の性質を持つという前提、すなわち分析対象の始めと終わりでその性質が変わらないものであるという前提を置く場合が多い。そのため、分析対象の音声波形を非常に短い時間幅で切り出すことにより、そのごく短い時間幅では音声は同じ特性を持つと言えるようにする。ここでいう時間幅としては、20〜30ミリ秒と言った値が採用されることが多い。
入力:入力された音声における発話全体の、各フレームの音声特徴量
出力:各フレームの、音響イベント毎の事後確率
処理:事後確率計算部12は、劣化要因クラスと非劣化要因クラスの何れかに予め分類されている複数の音響イベントに基づいて、フレーム毎の音声特徴量の音響イベント毎の事後確率を計算する(S12)。事後確率計算部12は、事前に学習済みのモデルであって、モデル記憶部15に記憶済みの音響イベント推定モデルに各フレームの音声特徴量を入力し、フレーム毎に音響イベント毎の事後確率を計算して出力する。
入力:各フレームの、音響イベント毎の事後確率
出力:各フレームの、音響イベント毎の補正事後確率
処理:フィルタリング部13は、音響イベント毎の事後確率に時間方向に重みづけ係数が展開されたフィルタである時系列フィルタによるフィルタリングを行って補正事後確率とし、これを出力する(S13)。フィルタリング部13は、事後確率計算部12で計算された音響イベント毎の事後確率について、イベント毎に時系列フィルタリング処理を行う。
発話の最初:最初のフレームの事後確率をコピーし、フィルタ窓長に満たない分はそのコピーした値を使用する。
発話の最後:最後のフレームの事後確率をコピーし、フィルタ窓長に満たない分はそのコピーした値を使用する。
入力:各フレームの、音響イベント毎の補正事後確率
出力:劣化要因、劣化要因指標(支配的である/でない)
処理:劣化要因出力部14は、劣化要因クラスに分類されている音響イベントのうち、各フレームにおいて補正事後確率が最大となる音響イベントが所定時間区間内において連続して同一であった場合に、該当する音響イベントを劣化要因として出力する(S14−1)。所定時間区間を発話区間全体の時間長より短い任意の時間幅とする。例えば所定時間区間を10フレームシフト長とする。この場合、劣化要因クラスに属するある音響イベントが10フレーム連続して最も事後確率が高かった場合、劣化要因出力部14は当該音響イベントを劣化要因として出力する。
本実施例の音声認識精度劣化要因推定装置1は、音声認識精度が劣化する要因を音声の特徴から推定したため、次のような効果を期待できる。1)劣化要因をユーザに呈示できるため、ユーザは収録環境を調整しようとする。従って再度音声を収録した場合の音声認識精度の向上に寄与する。2)劣化要因が支配的であるとされた音声認識結果を除外することにより、音声認識精度の向上に寄与する。
本発明の装置は、例えば単一のハードウェアエンティティとして、キーボードなどが接続可能な入力部、液晶ディスプレイなどが接続可能な出力部、ハードウェアエンティティの外部に通信可能な通信装置(例えば通信ケーブル)が接続可能な通信部、CPU(Central Processing Unit、キャッシュメモリやレジスタなどを備えていてもよい)、メモリであるRAMやROM、ハードディスクである外部記憶装置並びにこれらの入力部、出力部、通信部、CPU、RAM、ROM、外部記憶装置の間のデータのやり取りが可能なように接続するバスを有している。また必要に応じて、ハードウェアエンティティに、CD−ROMなどの記録媒体を読み書きできる装置(ドライブ)などを設けることとしてもよい。このようなハードウェア資源を備えた物理的実体としては、汎用コンピュータなどがある。
Claims (5)
- 入力された音声からフレーム毎の音声特徴量を抽出する音声特徴量抽出部と、
劣化要因クラスと非劣化要因クラスの何れかに予め分類されている複数の音響イベントに基づいて、フレーム毎の前記音声特徴量の前記音響イベント毎の事後確率を計算する事後確率計算部と、
前記音響イベント毎の前記事後確率に時間方向に重みづけ係数が展開されたフィルタである時系列フィルタによるフィルタリングを行って補正事後確率とするフィルタリング部と、
前記劣化要因クラスに分類されている前記音響イベントのうち、各フレームにおいて前記補正事後確率が最大となる前記音響イベントが所定時間区間内において連続して同一であった場合に、該当する前記音響イベントを劣化要因として出力する劣化要因出力部
を含む音声認識精度劣化要因推定装置。 - 請求項1に記載の音声認識精度劣化要因推定装置であって、
前記劣化要因出力部は、
前記劣化要因クラスに分類されている前記音響イベントの各フレームにおける前記補正事後確率をフレーム内で合計した値をフレーム内合計値とし、前記フレーム内合計値をフレーム間で合計した値をフレーム間合計値とし、前記フレーム間合計値をフレーム数に基づいて正規化した値を正規化確率値とした場合に、前記正規化確率値が所定の閾値を超える場合に、劣化要因が支配的である旨を示す劣化要因指標を出力する
音声認識精度劣化要因推定装置。 - 音声認識精度劣化要因推定装置が実行する音声認識精度劣化要因推定方法であって、
入力された音声からフレーム毎の音声特徴量を抽出するステップと、
劣化要因クラスと非劣化要因クラスの何れかに予め分類されている複数の音響イベントに基づいて、フレーム毎の前記音声特徴量の前記音響イベント毎の事後確率を計算するステップと、
前記音響イベント毎の前記事後確率に時間方向に重みづけ係数が展開されたフィルタである時系列フィルタによるフィルタリングを行って補正事後確率とするステップと、
前記劣化要因クラスに分類されている前記音響イベントのうち、各フレームにおいて前記補正事後確率が最大となる前記音響イベントが所定時間区間内において連続して同一であった場合に、該当する前記音響イベントを劣化要因として出力するステップ
を含む音声認識精度劣化要因推定方法。 - 請求項3に記載の音声認識精度劣化要因推定方法であって、
前記劣化要因クラスに分類されている前記音響イベントの各フレームにおける前記補正事後確率をフレーム内で合計した値をフレーム内合計値とし、前記フレーム内合計値をフレーム間で合計した値をフレーム間合計値とし、前記フレーム間合計値をフレーム数に基づいて正規化した値を正規化確率値とした場合に、前記正規化確率値が所定の閾値を超える場合に、劣化要因が支配的である旨を示す劣化要因指標を出力するステップを含む
音声認識精度劣化要因推定方法。 - コンピュータを請求項1または2に記載の音声認識精度劣化要因推定装置として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017111576A JP6695830B2 (ja) | 2017-06-06 | 2017-06-06 | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017111576A JP6695830B2 (ja) | 2017-06-06 | 2017-06-06 | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018205562A JP2018205562A (ja) | 2018-12-27 |
JP6695830B2 true JP6695830B2 (ja) | 2020-05-20 |
Family
ID=64957032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017111576A Active JP6695830B2 (ja) | 2017-06-06 | 2017-06-06 | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6695830B2 (ja) |
-
2017
- 2017-06-06 JP JP2017111576A patent/JP6695830B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018205562A (ja) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6812381B2 (ja) | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム | |
US10891944B2 (en) | Adaptive and compensatory speech recognition methods and devices | |
JP6306528B2 (ja) | 音響モデル学習支援装置、音響モデル学習支援方法 | |
US11942074B2 (en) | Learning data acquisition apparatus, model learning apparatus, methods and programs for the same | |
US11553085B2 (en) | Method and apparatus for predicting customer satisfaction from a conversation | |
JP5790646B2 (ja) | パープレキシティ算出装置 | |
JP7409381B2 (ja) | 発話区間検出装置、発話区間検出方法、プログラム | |
US9053087B2 (en) | Automatic semantic evaluation of speech recognition results | |
JP6563874B2 (ja) | 音源強調学習装置、音源強調装置、音源強調学習方法、プログラム | |
JP2019008367A (ja) | 質問単語重み算出装置、質問回答検索装置、質問単語重み算出方法、質問回答検索方法、プログラム、及び記憶媒体 | |
US20200075042A1 (en) | Detection of music segment in audio signal | |
JP6695830B2 (ja) | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム | |
Yadava et al. | Performance evaluation of spectral subtraction with VAD and time–frequency filtering for speech enhancement | |
US20220130137A1 (en) | Method and apparatus for searching neural network architecture | |
JP6353408B2 (ja) | 言語モデル適応装置、言語モデル適応方法、プログラム | |
US11886824B2 (en) | Sentiment progression analysis | |
JP6486789B2 (ja) | 音声認識装置、音声認識方法、プログラム | |
JP5786717B2 (ja) | データ処理装置、そのコンピュータプログラムおよびデータ処理方法 | |
JP4981850B2 (ja) | 音声認識装置とその方法と、プログラムと記録媒体 | |
JP2010039671A (ja) | テキストマイニング装置、方法、プログラム及びその記録媒体 | |
JP6802145B2 (ja) | Snr推定装置、snr推定方法、プログラム | |
JP6554916B2 (ja) | 情報処理装置及び情報処理方法 | |
JP5980143B2 (ja) | ポーズ付与モデル生成装置、ポーズ付与モデル生成方法、ポーズ付与装置、ポーズ付与方法、プログラム | |
JP2019144355A (ja) | 決定装置、決定方法、決定プログラム及びモデル | |
JP7293826B2 (ja) | 問題検出装置、問題検出方法および問題検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190626 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200305 |
|
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: 20200421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200422 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6695830 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |