next up previous
次へ: 実験手順 上へ: 音素HMMの学習方法 戻る: 音素HMMの種類と初期モデル

音素HMMの作成手順

本論文では、音素HMMを図[*]で示す手順により作成する。図[*]に示すよ うに、音素HMMの作成は、連続分布HMMの学習、半連続分布の初期モデルの作成、半連 続分布HMMの学習の3つのステップから構成される。従来法と本手法では、半連続 分布HMMの学習において使用する学習データのラベルファイルが異なる。

図: 音素HMMの作成手順
\includegraphics[width=85mm]{makehmm.eps}

(a)
連続分布HMMの学習

学習データにモーラ情報を使用していないラベルデータと波形データを使用す る。この学習データから Viterbi alignmentを使用し初期モデルを作成する。この初期モデルを、 Baum-Welchアルゴリズムを使用して再推定し、連結学習を行って連続分布の音素 HMMを作成する。

(b)
半連続分布の初期モデルの作成

作成した連続分布の音素HMMから、すべての音素HMMの混合ガウス分布を共通にし た半連続分布の音素HMMを作成する。

(c-1)
半連続分布HMMの学習(モーラ情報なし)

学習データのラベルデータに、 モーラ情報を使用していないラベルデータを使用する。 波形データとラベルデータから、(b)で作成した音素HMMを 連結学習し、半連続分布の音素HMMを作成する。

(c-2)
半連続分布HMMの学習(モーラ情報あり)

モーラ情報を使用した半連続分布HMMの初期モデルは、 (b)で作成したモーラ情報を使用していない音素HMMを 複製することにより作成する。学習データのラベルデータには、 モーラ情報を使用したラベルデータを使用する。 波形データとラベルデータから、作成した音素HMMを 連結学習し、半連続分布の音素HMMを作成する。





平成14年4月24日