1-Q-12 Buried Markov Modelを用いた構音障害者の音声認識の検討 宮本 千琴,駒井 祐人,滝口 哲也,有木 康雄(神戸大),李 義昭(追手門大) 構音障害 研究背景・目的 音声認識技術の様々な状況での利用 カーナビゲーションの操作、駅での音声案内、子供や高齢者 福祉分野における情報技術の発展の重要性 超高齢社会（2800万人）、身体障害者（366万人） しかし、言語障害者を対象としているものは少ない 脳性マヒの方は、発話障害＋手足の不自由 発話は自分の気持ちをよく表す手段であり、 重要なコミュニケーション手段の一つ 発話内容が分かれば、会話時にお互いの理解がより深まる 構音障害とは 言葉を正しく明瞭に発音できない症状 構音障害の原因の一つ：脳性マヒ 出生前や出生時に受けた外傷のため筋肉の制御が難しい アテトーゼ（不随意運動）が生じる 特にアテトーゼの生じやすい状況 －意図的動作時 －緊張状態 健常者 構音障害者 構音障害者を対象とした音声認識システムの実現 n e a g e 問題点 従来のHMMにおける仮定 状態は1フレーム前の状態によって決まる 観測は各フレームの状態によって決まる 音声の生成構造が単純化されているため扱いやすい 時間的な変化特性を十分に表現できていない a k e g a t a 構音障害者の不安定な発話を認識するために Buried Markov Modelを用いる Buried Markov Model 学習の流れ Buried Markov Model [1] BMMの構造学習 （Pairwiseアルゴリズム＋独立性検定） BMMのパラメータ学習 （EMアルゴリズム） BMM time 1 2 3 State Pairwiseアルゴリズム 独立性検定[2] 識別的依存関係の習得 Kendall の順位相関係数 ２つの変数の順位の間の相関の強さを表す指標 Feature 冗長性の検定 Yの順位 ：ターゲットノード ：親ノード集合 HMMの各フレームの観測系列間に時間的依存関係を加えたモデル 状態によって親との依存関係のパターンが決まる ：ノード について青の領域にある データ ：ノード について白の領域にある データ [1]J.A. Bilmes, ``Buried Markov models: a graphical modeling approach to automatic speech recognition,'‘ Computer Speech and Language, Volume 17, Issues 2-3, 213-231, 2003. [2]山本 他, ``Buried Markov Modelを用いた音声認識モデルの構築法の検討,'' 情処研報，2009-SLP-79, No.21, pp.1-6, 2009. ：データサイズ Xの順位 実験とまとめ 実験条件 実験データ：構音障害者1名 発話内容：ATR音素バランス単語216単語×5回発話 サンプリング周波数：16kHz フレーム窓長：25msec フレーム周期：10msec 特徴量：12次MFCC+ΔMFCC 状態数：43音素3状態 親ノードの上限数＝3 探索過去フレーム数＝5 考察 BMMの構造学習時に音声データの音素ラベル情報と その時間情報が必要 音素間の境界が曖昧である 発声されていない子音がある 親ノードの上限数＝5 親ノードの上限数＝1 まとめ 音素間の境界と発声されていない子音を考慮する方法を検討 複数話者に対して有効性の確認 画像特徴も共に用いた構築アルゴリズムの検討