子音の分類

モーラ情報を使って、全ての音素を分類した場合の音素境界位置の認識精度を調べた。 データベースはMAU、MMY、FAF、FTKを使用し、音響モデルはDiagonalを使用した。 その他の実験条件は表2と同様である。 実験結果を表15、16に示す。

データベースMAUでは、 音素境界位置ずれから求めた標準偏差は23.08msとなり、 モーラ情報を使って母音・促音・撥音を分類した場合の22.56msと比べ、 音素境界位置の精度の向上は見られなかった。 また、音素継続時間のずれから求めた標準偏差は32.13msとなり、 モーラ情報を使って母音・促音・撥音を分類した場合の31.52msと比べ、 音素継続時間の精度の向上は見られなかった。

これは、モーラ情報を使って子音を分類して 音素ラベリングを行っても、子音にはピッチが含まれないために、音素境界位置 の精度は向上しなかったと考 えられる。また各音素HMMの学習データの減少によってHMMの精度が 低下したと考えられる。 しかし、いずれの結果においてもモーラ情報を使用しない場合より精度は向上した。

表: 音素境界位置(Diagonal)

	全音素分類			母音,促音, 撥音分類
DB	境界数	平均	標準偏差	境界数	平均	標準偏差
		[ms]	[ms]		[ms]	[ms]
MAU	15126	-2.51	23.08	17771	-1.47	22.56
MMY	15048	-1.44	22.45	17663	-0.86	22.12
FAF	15109	-1.47	23.97	17781	-0.30	23.43
FTK	15147	-1.07	22.69	17802	-0.67	22.22
平均	15107.5	-1.62	23.05	17754.25	-0.83	22.58

表: 音素継続時間(Diagonal)

	全音素分類			母音,促音, 撥音分類
DB	音素 数	平均	標準偏差	音素数	平均	標準偏差
		[ms]	[ms]		[ms]	[ms]
MAU	12921	-4.06	32.13	15186	-4.30	31.52
MMY	12834	-2.24	30.56	15078	-2.66	29.63
FAF	12908	-3.41	34.75	15197	-3.44	33.74
FTK	12834	-2.24	32.76	15215	-3.29	30.88
平均	12874.25	-2.99	32.55	15167.75	-3.42	31.44