本研究におけるPMC法

本研究では，パラメータ合成を行わず未完成で ある．雑音モデルをクロストーク音声の片側音声だと考え，音声を音素単 位として，男性話者の音素HMMと女性話者の音素HMMから，PMC法のモデルを合成 し認識を行う．モデルは図9のように，各話者のHMMを音素単位で考えて，作 成する．各話者のモーラ目ごとに，男性話者の子音と女性話者の子音，男性話者 の母音と女性話者の母音で相互にパスを繋ぐ．各状態の尤度は各状態に遷移され るパスの尤度の和をとる．なお，モーラは日本語の音素単位に相当する． また，図10にグリッドでのパスを繋いだ図を示す．

図 9: PMC(マルチパス)法の状態遷移図

図 10: PMC法(グリッド)

各状態の尤度は、各状態に遷移されるパスの尤度の和をとることから、 「asahi」と「higaN」のそれぞれのモデルにおいて、前章のforwardアルゴリズムの グリッド(図4)を並べ、パスを交換し合った図である。フレームは 入力音声のフレームである．

• PMC(マルチパス)法の認識結果の求め方

1個の音声に対して複数の候補の単語の尤度を求め， 一番高い単語が認識結果になる．具体的には，1個のクロストーク音声に対して，男性話者10単語女性話者10単語により，作成した100個のモデルの尤度を出し，一番高い組 合せのモデルが認識結果になる．

図11に本実験で行う例を示す．

図 11: PMC法の認識結果の求め方

発話内容が「悪質+対策」に対し て100個のモデルの尤度を出し，順位付けしたのが下の表で， 1位の「悪質」「対策」が認識結果になる．この例は同時発話認識できている．