評価データと学習データ

図9にクロストーク音声認識の手順を示す． 本研究では，実際に男女2話者が同時に発話した音声を使用せず， 各々の話者の音声を重畳した音声を作成する． 具体的には，ATR単語発話データベースAset の男性話者mau，mms及び女性話者ftk，fynの男女各2名を使用する．

偶数番号の音声の中から4モーラで発話時間がほぼ同じ語を，ランダムに10単語ずつ抽出する． それぞれを相互に重畳した音声(クロストーク音声)を100個作成する． 1セットにつき100単語のクロストーク音声を 4セット作成し， 評価データとして利用する． 表3に実験に使用した単語を示す．

ATR単語発話データベースAsetの奇数番号の2620単語の音声は HMMの学習データとして使用する．

図10に音素HMMの作成と学習及び認識の流れを示す． 音素HMMの作成と学習は，HTKで行う． まず最初に，男性話者と女性話者の初期モデルの作成を行う． 次に，学習データを使用して，男性話者と女性話者HMMの学習及び連結学習を行 う．最後に学習された男性話者と女性話者HMMを利用して，Viterbiアルゴリズム とForwardアルゴリズムを使用し認識を行う．

表 3: 実験に使用した単語

	男性話者	女性話者
1	悪質(akushitsu)	足元(ashimoto)
2	聞こえる(kikoeru)	可愛い(kawaii)
3	加える(kuwaeru)	勤勉(kiNbeN)
4	失恋(shitsureN)	細々(komagoma)
5	優れる(sugureru)	すまない(sumanai)
6	そのうち(sonouchi)	対策(taisaku)
7	中毒(chuudoku)	手拭い(tenugui)
8	内容(naiyou)	天才(teNsai)
9	暴力(bouryoku)	滅ぼす(horobosu)
10	わざわざ(wazawaza)	欲張る(yokubaru)

図 9: クロストーク音声認識の手順

図 10: 音素HMMの作成と学習及び認識の流れ