単語の誤認識

半連続型HMMでの単語を同音異義語に誤認識した割合を表51, 状 態共有型HMMでの単語を同音異義語に誤認識した割合を表52に示 す. 表51の括弧内の分母は, 表14, 15, 16, 17での6話者の同音異義語の誤り 数である. また, 表52の括弧内の分母は, 表 18, 19での6話者の同音異義語の誤り数であ る. 表51, 52の括弧内の分子は同音異義語を 別のアクセントの同音異義語に誤認識した数を示す.

アクセントtriphoneモデルにおいて, 単語を同音異義語以外の単語に誤認識し た割合は平均39%(74/188)であり, アクセントモデルの51%(101/200)と比べて低 い. アクセントモデルの前後音素環境を考慮することによって, 単語音声認識精度 が向上したためだと考えられる. 同音異義語ではない別の単語に誤認識した例を表 53に示す.

なお, 特定話者の半連続型HMMにおいて, アクセントtriphoneモデルの認識精度は , アクセントモデルより低い. アクセントtriphoneモデルにおいてHMMのパラメー タ数が膨大となり, 学習データが不足するためだと考えられる.

表 51: 半連続型HMMでの単語を同音異義語に誤認識した割合

	アクセント	アクセント
	モデル	triphoneモデル
Diagonal MFCC	61%(19/31)	84%(22/26)
Diagonal FBANK	66%(21/32)	71%(20/28)
Full MFCC	50%(12/24)	79%(11/14)
Full FBANK	54%(13/24)	81%(17/21)
平均	59%(65/111)	79%(70/89)

表 52: 状態共有型HMMでの単語を同音異義語に誤認識した割合

	アクセント	アクセント
	モデル	triphoneモデル
Diagonal MFCC	31%(14/45)	49%(22/45)
Diagonal FBANK	45%(20/44)	41%(22/54)
平均	38%(34/89)	44%(44/99)

表 53: 単語を同音異義語ではない単語とした誤認識例

認識結果	正解
徳(01)	置く(01)
堪える(010)	返る(100)
勤勉(0111)	機嫌(011)
酔う(10)	夜(10)
解く(10)	億(10)
生える(010)	代える(011)
悲劇(100)	機嫌(011)