結論

本研究では、 モーラ情報とピッチ情報の関係に着目し、モーラ情報を使用することで、単語音 声認識にピッチ情報を利用できると考えた。 そこで単語のモーラ数、モーラ位置ごと に母音と撥音の音素ラベルを分類して、学習を行い、その モデルを使用して単語音声認識を行った。 この結果、話者Aの場合、誤り率が約1.0%(改善率約25%)減少し、話者Bの場合、 誤り率が約0.6%(改善率約10%)減少した。 よって、本手法の有効性が認められた。

今後の課題としては、様々な実験条件に対して、モーラ情報を使用して 単語音声認識を行い、適切な実験条件を見つけ出す必要がある。 また、前後の音素も考慮したtriphoneモデル への適応なども挙げられる。