状態共有の調査

状態数を, 不特定話者で最も認識精度が高いアクセントtriphoneモデル, 状態数無 調整の状態共有型HMM, FBANKの話者mauにおいて簡単に調査した. 状態数の調査結 果を表57に示す. なお, 表中の列の意味を以下に示す.

• ``音素''の列はアクセントtriphoneモデルにおける音素表記の中心音素を示 す. 例えばm-a0302001+u0303001の音素表記の中心音素はaである.
• ``音素数''の列は左の列の音素を中心とする音素の数を示す.
• ``状態数2'', ``状態数3'', ``状態数4''の列はそれぞれのHMMの共有された 状態数を示す. 本研究で用いるHMMは5状態であり, 状態数1と状態数5が存在する . しかし, 状態1と5はシンボル出力確率を持たない状態であり, 状態共有の対象に はならない.

共有された状態の一部を例として表58に示す. 表において, 共有 状態名のST_N_2_1は中心音素NのHMMの状態2の17番目の共有状態の名前を示 す. 例えば, ST_N_2_17において, a0201000-N0202001+pau, a0403001-N0404001+pauおよびa0403020-N0404020+pauの音素HMMが状態2を共有して いる.

調査結果より以下の結果を得た.

1. 母音, 撥音を中心音素とする共有状態数が他の音素に比べて多い.
2. 母音・撥音において状態3の共有状態数が状態2,4と比べて多い.
3. 子音は上記の傾向と異なる結果が多い.
4. 母音において, 状態4の共有状態数は状態2より多い.
5. アクセント情報が付与されている母音, 撥音, 促音音素の 19653 $(302+1724+662+1235+1268+114+1246) \times 3$の状態のうち, 1857音素 はアクセント情報に関する質問によって分類された. つまり, アクセント情報のみ が異なる音素の1857の状態が異なる状態として共有されている. そして, 残りの 17796($19653 - 1857$)の状態は前後の音素環境情報に関する質問のみによって分 類された.

音素HMMの状態2は音の立上り, 状態3は音の定常状態, 状態4は次の音への変化を表 現すると考えられる. また, 複雑な音を表現するには, 多くの状態数が必要になる と考えられる. ゆえに, 母音は音の定常部分が複雑で, 子音は音の変化部分が複雑 だと考えている.

表 57: アクセントtriphoneモデル, 状態数無調整の状態共有型HMM, FBANKのmau不特定話者における状態数

音素	音素数	状態2	状態3	状態4
N	302	19	22	13
a	1724	24	31	28
b	229	10	6	7
by	5	1	1	1
ch	119	5	4	4
d	150	6	5	7
e	662	14	26	25
f	30	2	2	1
g	237	6	7	11
gy	17	2	2	1
h	108	7	6	6
hy	10	1	1	1
i	1235	34	42	37
j	124	7	5	5
k	446	15	17	12
ky	38	2	4	4
m	329	11	10	8
my	9	1	1	1
n	227	6	4	8
ny	8	1	1	1
o	1268	22	41	42
p	47	2	2	2
pau	202	20	24	24
py	2	1	1	1
q	114	5	3	4
r	367	11	12	14
ry	37	2	2	2
s	252	11	11	8
sh	185	9	9	6
t	230	9	6	8
ts	98	4	3	2
u	1246	50	63	60
w	68	4	3	2
y	118	6	5	3
z	134	6	4	4
合計	10377	336	386	363

表 58: モデルにおける状態

共有状態名	共有された状態の集合
ST_N_2_1	e0301000-N0302001+g,e0301000-N0302001+k,e0301000-N0302001+ry,e0301011-N0302010+g,e0301011-N0302010+i0303010,e0301011-N0302010+k,e0301011-N0302010+ky,e0401000-N0402001+a0403001,e0401000-N0402001+g,e0401000-N0402001+i0403001,e0401000-N0402001+k,e0401000-N0402001+ky,e0401000-N0402001+ry,e0401011-N0402010+g,e0401011-N0402010+k,e0401011-N0402010+ry,e0401020-N0402021+g,e0401030-N0402031+g,e0401030-N0402031+k,e0401030-N0402031+ry,i0301000-N0302001+g,i0301000-N0302001+k,i0301011-N0302010+g,i0301011-N0302010+k,i0401000-N0402001+g,i0401000-N0402001+gy,i0401000-N0402001+i0403001,i0401000-N0402001+k,i0401000-N0402001+ky,i0401000-N0402001+ry,i0401011-N0402010+g,i0401011-N0402010+k,i0401011-N0402010+ry,i0503010-N0504010+g,u0301011-N0302010+i0303010,u0301011-N0302010+k,u0401000-N0402001+g,u0401000-N0402001+k,u0401011-N0402010+g,u0401030-N0402031+i0403031,u0401030-N0402031+ry
ST_N_2_2	e0301000-N0302001+b,e0301011-N0302010+b,e0301011-N0302010+p,e0401000-N0402001+b,e0401000-N0402001+m,e0401000-N0402001+p,e0401000-N0402001+py,e0401011-N0402010+b,e0401011-N0402010+p,i0301011-N0302010+m,i0301011-N0302010+p,i0401000-N0402001+b,i0401000-N0402001+m,i0401000-N0402001+p,i0401011-N0402010+b,i0401030-N0402031+m
...	...
ST_N_2_17	a0201000-N0202001+pau,a0403001-N0404001+pau,a0403020-N0404020+pau
ST_N_2_18	a0302001-N0303001+pau
ST_N_2_19	a0201011-N0202010+pau,a0302010-N0303010+pau,a0403010-N0404010+pau,a0403031-N0404030+pau,a0504020-N0505020+pau