状態数無調整の状態共有型HMM

状態数を調整していない状態共有型HMM, MFCCでの単語認識精度を表 39に示す. また, FBANKでの単語認識精度を表 40に示す. 状態数を制御する閾値が一定であるために, 状 態数は各実験条件とモデルによって異なる. 状態数以外の実験条件は, 本研究での実 験条件と同一である. MFCCでの状態数を表26に, FBANK での状態数を表27に示す.

表 39: 状態数無調整の状態共有型HMM,MFCC,diagonalの単語誤り率

	基本モデル	triphone	モーラ	アクセ ント	モーラ	アクセント
		モデル	モデル	モデル	triphoneモデル	triphoneモデル
mau	22.98%	4.35%	14.52%	14.27%	4.58%	4.01%
	(602/2620)	(114/2620)	(383/2620)	(374/2620)	(120/2620)	(105/2620)
mmy	23.09%	8.97%	18.09%	16.49%	9.27%	7.10%
	(605/2620)	(235/2620)	(474/2620)	(432/2620)	(243/2620)	(186/2620)
mnm	22.56%	4.16%	17.14%	16.49%	4.05%	3.70%
	(591/2620)	(109/2620)	(449/2620)	(432/2620)	(106/2620)	(97/2620)
faf	21.41%	5.53%	14.01%	12.48%	5.73%	4.73%
	(561/2620)	(145/2620)	(367/2620)	(327/2620)	(150/2620)	(124/2620)
fms	27.21%	5.92%	16.79%	14.73%	5.53%	4.96%
	(713/2620)	(155/2620)	(440/2620)	(386/2620)	(145/2620)	(130/2620)
ftk	22.75%	9.69%	12.82%	11.79%	8.93%	8.28%
	(596/2620)	(254/2620)	(336/2620)	(309/2620)	(234/2620)	(217/2620)
平均	23.33%	6.44%	15.58%	14.38%	6.35%	5.46%
	(3668/15720)	(1012/15720)	(2449/15720)	(2260/15720)	(998/15720)	(859/15720)

表 40: 状態数無調整の状態共有型HMM,FBANK,diagonalの単語誤り率

	基本モデル	triphone	モーラ	アクセント	モーラ	アクセント
		モデル	モデル	モデル	triphoneモデル	triphoneモデル
mau	41.64%	13.36%	12.60%	11.56%	12.67%	12.63%
	(1091/2620)	(350/2620)	(330/2620)	(303/2620)	(332/2620)	(331/2620)
mmy	50.46%	7.56%	18.47%	19.43%	8.32%	7.86%
	(1322/2620)	(198/2620)	(484/2620)	(509/2620)	(218/2620)	(206/2620)
mnm	42.79%	8.05%	16.26%	15.27%	7.82%	6.53%
	(1121/2620)	(211/2620)	(426/2620)	(400/2620)	(205/2620)	(171/2620)
faf	34.58%	8.05%	12.79%	11.11%	8.24%	6.79%
	(906/2620)	(211/2620)	(335/2620)	(291/2620)	(216/2620)	(178/2620)
fms	46.15%	6.64%	19.54%	17.33%	6.91%	4.69%
	(1209/2620)	(174/2620)	(512/2620)	(454/2620)	(181/2620)	(123/2620)
ftk	51.22%	10.84%	16.26%	10.99%	10.46%	9.50%
	(1342/2620)	(284/2620)	(426/2620)	(288/2620)	(274/2620)	(249/2620)
平均	44.47%	9.08%	15.99%	14.28%	9.07%	8.00%
	(6991/15720)	(1428/15720)	(2513/15720)	(2245/15720)	(1426/15720)	(1258/15720)