特定話者実験の状態共有型HMM

状態数を調整していない特定話者における状態共有型HMM, MFCCでの単語認識精 度を表48に示す. また, FBANKでの単語認識精度を表 49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 35に, FBANK での状態数を表 36に示す.

表 48: 特定話者における状態共有型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	13.70%	1.68%	7.52%	7.25%	2.25%	2.10%
	(359/2620)	(44/2620)	(197/2620)	(190/2620)	(59/2620)	(55/2620)
mmy	14.12%	2.37%	7.98%	7.75%	2.14%	2.63%
	(370/2620)	(62/2620)	(209/2620)	(203/2620)	(56/2620)	(69/2620)
mnm	14.43%	1.87%	8.66%	7.75%	2.14%	1.91%
	(378/2620)	(49/2620)	(227/2620)	(203/2620)	(56/2620)	(50/2620)
faf	12.63%	2.14%	7.52%	6.41%	2.06%	1.91%
	(331/2620)	(56/2620)	(197/2620)	(168/2620)	(54/2620)	(50/2620)
fms	16.49%	2.10%	8.93%	7.71%	1.79%	2.02%
	(432/2620)	(55/2620)	(234/2620)	(202/2620)	(47/2620)	(53/2620)
ftk	14.16%	1.98%	7.71%	6.64%	1.54%	1.79%
	(371/2620)	(52/2620)	(202/2620)	(174/2620)	(43/2620)	(47/2620)
平均	14.26%	2.02%	8.05%	7.25%	2.00%	1.99%
	(2241/15720)	(318/15720)	(1266/15720)	(1140/15720)	(315/15720)	(313/15720)

表 49: 特定話者における状態共有型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	28.82%	0.95%	7.59%	5.92%	1.41%	1.11%
	(755/2620)	(25/2620)	(112/2620)	(155/2620)	(37/2620)	(29/2620)
mmy	35.23%	2.75%	8.78%	7.75%	2.37%	2.67%
	(923/2620)	(72/2620)	(230/2620)	(203/2620)	(62/2620)	(70/2620)
mnm	32.33%	2.14%	9.16%	7.18%	1.98%	1.64%
	(847/2620)	(56/2620)	(240/2620)	(188/2620)	(52/2620)	(43/2620)
faf	26.22%	2.18%	6.72%	6.49%	2.06%	1.68%
	(687/2620)	(57/2620)	(176/2620)	(170/2620)	(54/2620)	(44/2620)
fms	29.81%	1.68%	8.47%	7.90%	1.79%	1.79%
	(781/2620)	(44/2620)	(222/2620)	(207/2620)	(47/2620)	(47/2620)
ftk	26.95%	2.21%	7.52%	6.49%	2.25%	1.95%
	(706/2620)	(58/2620)	(197/2620)	(170/2620)	(59/2620)	(51/2620)
平均	29.89%	1.98%	7.49%	6.95%	1.98%	1.81%
	(4699/15720)	(312/15720)	(1177/15720)	(1093/15720)	(311/15720)	(284/15720)