実験条件

実験条件を表に示す。 単語音声認識を行うツールとして、HTK[2]を使用した。 実験には、ATRの単語発話データベースAset(5240単語)を使用した。 このデータベー スに含まれる波形データには、全て人手によって音素境界位置情報を付与してあ るハンドラベル付の音声ラベルデータが対になっている。このデータベー スを偶数番と奇数番に分け、奇数を 学習データ、偶数を評価データとして使用した。2つのデータベース(話者A、話 者B)を使いそれぞれ実験を行った。

表: 実験条件

標本周波数	16kHz	学習DB	2620単語
分析窓	Hamming窓	音素数	約15500
分析窓長	20ms	母音数	約8000
フレーム周期	5ms
特徴ベクトル	16次MFCC+
	16次2#2MFCC+	評価DB	2620単語
	対数パワー+	音素数	約15500
	2#2対数パワー(計34次)	母音数	約8000
音響モデル	３ループ４状態
	半連続分布型
混合分布数	256