한국어 숫자음의 음운변화 및 화자 발성특성을 고려한 연결숫자 인식의 성능향상 Performance Improvement of Connected Digit Recognition by Considering Phonemic Variations in Korean Digit and Speaking Styles원문보기
한국어 숫자는 모두 단음절로 이루어져 있으며, 연속적으로 발음될 때 인접 숫자들의 상호조음현상에 의해 각 숫자의 고유 발음이 변화하고, 또한 그 숫자들의 경계도 모호해지는 문제점이 있다. 이러한 문제점들과 더불어 배경잡음이나 채널에 의한 왜곡에 따른 문제점들로 인해 한국어 연결숫자의 인식 성능은 만족스럽지 못한 것이 현실이다. 본 논문에서는 연결숫자의 인식성능 향상을 위해서 한국어 숫자들의 음운변화를 고려하여 유사음소 (phonelike units: PLUs)군을 정의하고, 사용자의 여러 가지 발성형태에 따른 다양한 음운 현상의 변화를 흡수할 수 있도록 인식 시스템을 구성하는 방식을 검토하였다. 전화망 4연숫자를 이용한 화자독립 인식 실험을 수행한 결과 제안된 방법의 숫자열 인식률은 상태당 믹스쳐 (mixture) 개수가 1인 경우 83.2%로, 기준 시스템 (baseline)에 대한 오류감소률이 7.2%였고 가장 높은 성능을 나타낸 믹스쳐 개수가 11인 경우 숫자열 인식률은 91.8% 오류감소율은 4.7%였다.
한국어 숫자는 모두 단음절로 이루어져 있으며, 연속적으로 발음될 때 인접 숫자들의 상호조음현상에 의해 각 숫자의 고유 발음이 변화하고, 또한 그 숫자들의 경계도 모호해지는 문제점이 있다. 이러한 문제점들과 더불어 배경잡음이나 채널에 의한 왜곡에 따른 문제점들로 인해 한국어 연결숫자의 인식 성능은 만족스럽지 못한 것이 현실이다. 본 논문에서는 연결숫자의 인식성능 향상을 위해서 한국어 숫자들의 음운변화를 고려하여 유사음소 (phonelike units: PLUs)군을 정의하고, 사용자의 여러 가지 발성형태에 따른 다양한 음운 현상의 변화를 흡수할 수 있도록 인식 시스템을 구성하는 방식을 검토하였다. 전화망 4연숫자를 이용한 화자독립 인식 실험을 수행한 결과 제안된 방법의 숫자열 인식률은 상태당 믹스쳐 (mixture) 개수가 1인 경우 83.2%로, 기준 시스템 (baseline)에 대한 오류감소률이 7.2%였고 가장 높은 성능을 나타낸 믹스쳐 개수가 11인 경우 숫자열 인식률은 91.8% 오류감소율은 4.7%였다.
Each Korean digit is composed of only a syllable, so recognizers as well as Korean often have difficulty in recognizing it. When digit strings are pronounced, the original pronunciation of each digit is largely changed due to the co-articulation effect. In addition to these problems, the distortion ...
Each Korean digit is composed of only a syllable, so recognizers as well as Korean often have difficulty in recognizing it. When digit strings are pronounced, the original pronunciation of each digit is largely changed due to the co-articulation effect. In addition to these problems, the distortion caused by various channels and noises degrades the recognition performance of Korean connected digit string. This paper dealt with some techniques to improve recognition performance of it, which include defining a set of PLUs by considering phonemic variations in Korean digit and constructing a recognizer to handle speakers various speaking styles. In the speaker-independent connected digit recognition experiments using telephone speech, the proposed techniques with 1-Gaussian/state gave string accuracy of 83.2%, i. e., 7.2% error rate reduction relative to baseline system. With 11-Gaussians/state, we achieved the highest string accuracy of 91.8%, i. e., 4.7% error rate reduction.
Each Korean digit is composed of only a syllable, so recognizers as well as Korean often have difficulty in recognizing it. When digit strings are pronounced, the original pronunciation of each digit is largely changed due to the co-articulation effect. In addition to these problems, the distortion caused by various channels and noises degrades the recognition performance of Korean connected digit string. This paper dealt with some techniques to improve recognition performance of it, which include defining a set of PLUs by considering phonemic variations in Korean digit and constructing a recognizer to handle speakers various speaking styles. In the speaker-independent connected digit recognition experiments using telephone speech, the proposed techniques with 1-Gaussian/state gave string accuracy of 83.2%, i. e., 7.2% error rate reduction relative to baseline system. With 11-Gaussians/state, we achieved the highest string accuracy of 91.8%, i. e., 4.7% error rate reduction.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 실제 환경에 적용될 경우 인식률은 상당히 저하되는데, 이는 한국어 숫자의 특성 에 따른문제 및 배경잡음이나 채널에 의한 왜곡에 따른 문제점들에 기인한 것으로 볼 수 있다. 본 논문에서는 배경잡음이나 채널왜곡 등에 의한 환경불일치 문제의 완화보다는 한국어 숫자의 특성에 기인한 연결 숫자인 식의 어려움을 완화시킴으로써 인식성능을 향상시키고자 한다.
그러나 실제 환경에 적용될 경우 인식률은 상당히 저하되는데, 이는 한국어 숫자의 특성 에 따른문제 및 배경잡음이나 채널에 의한 왜곡에 따른 문제점들에 기인한 것으로 볼 수 있다. 본 논문에서는 배경잡음이나 채널왜곡 등에 의한 환경불일치 문제의 완화보다는 한국어 숫자의 특성에 기인한 연결 숫자인 식의 어려움을 완화시킴으로써 인식성능을 향상시키고자 한다.
본 논문에서는 한국어 연결숫자 인식시스템의 성능을 향상시 키기 위해 숫자 사이의 다양한 음운변화및 숫자에 서 자주 오인식이 일어나는 쌍들에 대한 특징 분석에 근 거하여 유사음소군을 정의하고, 사용자의 발성 형태에 따른 다양한 음운변화를 흡수할 수 있도록 인식시스템을 구성하였다. 제안된 방법에 의한 숫자열 인식률은 상태 당 믹스쳐 개수가 1인 경우 83.
본 논문에서는 한국어 연결숫자 인식시스템의 성능을 향상시 키기 위해 숫자 사이의 다양한 음운변화및 숫자에 서 자주 오인식이 일어나는 쌍들에 대한 특징 분석에 근 거하여 유사음소군을 정의하고, 사용자의 발성 형태에 따른 다양한 음운변화를 흡수할 수 있도록 인식시스템을 구성하였다. 제안된 방법에 의한 숫자열 인식률은 상태 당 믹스쳐 개수가 1인 경우 83.
제안 방법
본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 인식엔진 평가용 연속음성 DB의 일부로서 8kHz 로 샘플링되었으며, 864종의 4연 숫자조합 및 252명의 남성화자를 50 세트로 나누어 발성한 것이다. 각각의 화 자는 집 또는 사무실에서 유/무선 전화기를 이용하여 4연 숫자를 발성하였다. 총 8000여 개의 데이터 중에서 70% 를 모델훈련에, 30%를 인식실험 에 사용하였다.
16 유사음소군은 15 유사음소군에서 2절에 설명된 것과 같이 숫자음 인식의 성능 향상을 위해 ' ㅣ '음을 혀옆소리 'ㄹ' 앞의 'ㅣ' /ii/와그 외의 'ㅣ' /i/로 분리하여 정의하였다. 기준 시스템은 15 유사음소군 및 음성벡터가 관측되는 상태가 하나인 기존 짧은 휴지기간 모델을 이용하며, 개별화자의 발성특성을 반영하지 않은 시스템으로 한다. 각각의 성능개선 방식을 적용함에 따른 시스템의 성능 개선 정도를 확인하기 위해 다음과 같이 실험을 수행하였다.
마지막으로 2절에서 설명한 바와 같이 'ㅣ', 를 /ii/와 /i/로 구분하여 유사음소를 정의한 16 유사음소군의 성능 을 실험하였다. 16 유사음소군의 숫자열 인식률은 83.
먼저 15 유사음소군에서 개별화자의 발성 특성에 따른 음운변화를 반영하여 각 숫자마다 복수의 발음을 정의하 고 허용된 유사음소 시 퀀스로 인식을 하는 경우와 화자의 발성특성을 반영하지 않고 각숫자에 고정된 한가지 발음 형태만을 허용한 경우를 비교실험 하였다. 각 상태를 1개 의 가우시안으로 모델링하여 실험한 결과 숫자열 인식률 이 개별화자의 발성특성을 반영한 인식시스템은 82.
먼저 15 유사음소군에서 개별화자의 발성 특성에 따른 음운변화를 반영하여 각 숫자마다 복수의 발음을 정의하 고 허용된 유사음소 시 퀀스로 인식을 하는 경우와 화자의 발성특성을 반영하지 않고 각숫자에 고정된 한가지 발음 형태만을 허용한 경우를 비교실험 하였다. 각 상태를 1개 의 가우시안으로 모델링하여 실험한 결과 숫자열 인식률 이 개별화자의 발성특성을 반영한 인식시스템은 82.
음운변화를 고려하여 유사음소군을 정의하는데 따른 성능 차이를 확인하기 위해선 각각의 유사음소군에 따른 성능을 개별적으로 확인하는 것이 타당하지만, 화자의 발성특성 에 따른 다양한 음운변화를 반영한 정확한 유사 음소 시퀀스를 제공하지 못함으로 인해 야기될 수 있는 문제점을 최소화하면서 제안된 방식들의 성능을 확인하 기 위해 각각 15,16개의 유사음소로 구성된 2가지의 유사 음소군을 정의하였다. 서론에서 언급한 것처럼 한국어숫자는 7개의 자음과 6개의 모음, 총 13개의 음소로 구성 되어있는데, 15 유사음소군은 숫자음에 나타나는 13개의 음소중에서 초성과종성의 과 'b를구분하여 정의 하였다.
음운변화를 고려하여 유사음소군을 정의하는데 따른 성능 차이를 확인하기 위해선 각각의 유사음소군에 따른 성능을 개별적으로 확인하는 것이 타당하지만, 화자의 발성특성 에 따른 다양한 음운변화를 반영한 정확한 유사 음소 시퀀스를 제공하지 못함으로 인해 야기될 수 있는 문제점을 최소화하면서 제안된 방식들의 성능을 확인하 기 위해 각각 15,16개의 유사음소로 구성된 2가지의 유사 음소군을 정의하였다. 서론에서 언급한 것처럼 한국어숫자는 7개의 자음과 6개의 모음, 총 13개의 음소로 구성 되어있는데, 15 유사음소군은 숫자음에 나타나는 13개의 음소중에서 초성과종성의 과 'b를구분하여 정의 하였다.
한편 그림 1과 2에서 나타난 바와 같이 'ㄱ' 이 안울림 터짐소리의 제 음가대로 발성이 되는 경우에도 '오' 앞에 약한 혀차기나 입술 부딪히는 소리가 있는 경우 '구'로 오인하기 쉽다. 이러한 문제를 완화하기 위해서 숫자 사이에 가비지 (garbage) 모델을 넣는 방법도가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 짧은 휴지기간 (short pause) 모델 을 보다 정교하게 구성하여 이 문제를 완화하였다. 즉 음성벡터가 관측되는 상태가 하나인 기존의 짧은 휴지기 간 모델은 어절 경계에 쉼이 있거나 없는 경우를 표현하 기 위해서 사용되었는데, 본 논문에서는 짧은 휴지기간 모델의 음성벡터가 관측되는 상태를 3개로 증가시켜 가운데 상태가 약한 혀차기나 입술 부딪히는 소리부분을 표현할 수 있도록 함으로써 '오' 와 '구' 의 혼동 가능성을 줄였다.
한편 그림 1과 2에서 나타난 바와 같이 'ㄱ' 이 안울림 터짐소리의 제 음가대로 발성이 되는 경우에도 '오' 앞에 약한 혀차기나 입술 부딪히는 소리가 있는 경우 '구'로 오인하기 쉽다. 이러한 문제를 완화하기 위해서 숫자 사이에 가비지 (garbage) 모델을 넣는 방법도가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 짧은 휴지기간 (short pause) 모델 을 보다 정교하게 구성하여 이 문제를 완화하였다. 즉 음성벡터가 관측되는 상태가 하나인 기존의 짧은 휴지기 간 모델은 어절 경계에 쉼이 있거나 없는 경우를 표현하 기 위해서 사용되었는데, 본 논문에서는 짧은 휴지기간 모델의 음성벡터가 관측되는 상태를 3개로 증가시켜 가운데 상태가 약한 혀차기나 입술 부딪히는 소리부분을 표현할 수 있도록 함으로써 '오' 와 '구' 의 혼동 가능성을 줄였다.
위 숫자들은 'ㄱ, ㄹ, ㅁ, ㅅ, ㅇ, ㅊ, ㅍ'의 7개 자음과 'ㅏ, ㅕ, ㅗ, ㅜ, ㅠ,ㅣ' 의 6개 모음으로 구성되지만, 이들이 말소리로 실현이 될 때에는 음운규칙에 따라 다양한 변이음들로 나타난다. 이와 같은 한국어 숫자의 특성을 고려하여 유사음소군 을 정의하고 사용자의 발성형태에 따른 다양한 음운 현상의 변화를 흡수할 수 있도록 연결숫자 인식 시스템을 구성한다.
그러므로 발성 특성에 따른 보다 다양한 음운변화를 반영한다면 성능향 상의 정도가 더욱 두드러질 것으로 기대된다. 이후 실험은 개별화자의 발성특성을 반영한 발음사전 및 인식시스 템으로 수행하였다.
그러므로 발성 특성에 따른 보다 다양한 음운변화를 반영한다면 성능향 상의 정도가 더욱 두드러질 것으로 기대된다. 이후 실험은 개별화자의 발성특성을 반영한 발음사전 및 인식시스 템으로 수행하였다.
결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다. 이후 실험은 개선된 짧은휴 지기간 모델을 이용하여 실험을 수행하였다.
3%의 성능향상이 있었다. 지금까지는 상태당 1개의 가우시안 함수를 사용하여 실험을 하였는데, 모델의 정교성을 높 여 갈 때에도 여전히 제안된 방식들의 효과가 있는지를 확인 하기 위해 믹스쳐 개수를 늘려 가면서 기준 시스템 과의 숫자열 인식률을 비교하였다. 실험 결과를 그림 5에 나타내었다.
3%의 성능향상이 있었다. 지금까지는 상태당 1개의 가우시안 함수를 사용하여 실험을 하였는데, 모델의 정교성을 높 여 갈 때에도 여전히 제안된 방식들의 효과가 있는지를 확인 하기 위해 믹스쳐 개수를 늘려 가면서 기준 시스템 과의 숫자열 인식률을 비교하였다. 실험 결과를 그림 5에 나타내었다.
한국어 숫자에는 '이'와 일', '일'과' 칠', '오'와 '구' 등의 오인식이 잘 되는 숫자쌍들이 존재하는데, 이 들의 변별력을 높이기 위한 한가지 방법으로써 유사음소 설정과정에서 이를 고려하였다. 그림 1-3에서 이 숫자음 들의 음향특징을 관찰할 수 있다.
한국어 숫자에는 可와 일', 用'과' 칠', 오와 '구' 등의 오인식이 잘 되는 숫자 쌍들이 존재하는데, 이들의 변별력을 높이기 위한 한가지 방법으로써 유사음소 설정과정에서 이를 고려하였다.
대상 데이터
본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 인식엔진 평가용 연속음성 DB의 일부로서 8kHz 로 샘플링되었으며, 864종의 4연 숫자조합 및 252명의 남성화자를 50 세트로 나누어 발성한 것이다. 각각의 화 자는 집 또는 사무실에서 유/무선 전화기를 이용하여 4연 숫자를 발성하였다.
본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 인식엔진 평가용 연속음성 DB의 일부로서 8kHz 로 샘플링되었으며, 864종의 4연 숫자조합 및 252명의 남성화자를 50 세트로 나누어 발성한 것이다. 각각의 화 자는 집 또는 사무실에서 유/무선 전화기를 이용하여 4연 숫자를 발성하였다.
총 8000여 개의 데이터 중에서 70% 를 모델훈련에, 30%를 인식실험 에 사용하였다. 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38차 파라메 터를 추출하였고, 사용된 모델은 트라이폰 기반 연속 확 률밀도 (triphone-based continuous density) HMM이 며, 각 모델은 5개의 상태를 가진다. 결정트리기반의 군집화 (clustering)를 이용하여 전체 상태수를 약 600개로 제한 하였다[10].
총 8000여 개의 데이터 중에서 70% 를 모델훈련에, 30%를 인식실험 에 사용하였다. 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38차 파라메 터를 추출하였고, 사용된 모델은 트라이폰 기반 연속 확 률밀도 (triphone-based continuous density) HMM이 며, 각 모델은 5개의 상태를 가진다. 결정트리기반의 군집화 (clustering)를 이용하여 전체 상태수를 약 600개로 제한 하였다[10].
각각의 화 자는 집 또는 사무실에서 유/무선 전화기를 이용하여 4연 숫자를 발성하였다. 총 8000여 개의 데이터 중에서 70% 를 모델훈련에, 30%를 인식실험 에 사용하였다. 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38차 파라메 터를 추출하였고, 사용된 모델은 트라이폰 기반 연속 확 률밀도 (triphone-based continuous density) HMM이 며, 각 모델은 5개의 상태를 가진다.
각각의 화 자는 집 또는 사무실에서 유/무선 전화기를 이용하여 4연 숫자를 발성하였다. 총 8000여 개의 데이터 중에서 70% 를 모델훈련에, 30%를 인식실험 에 사용하였다. 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38차 파라메 터를 추출하였고, 사용된 모델은 트라이폰 기반 연속 확 률밀도 (triphone-based continuous density) HMM이 며, 각 모델은 5개의 상태를 가진다.
이론/모형
즉 하나의 숫자에 대해 복수의 발음을 정의한 발음사전을 만든다. 그리고, 각숫자의 시작 유사음소와 끝 유사음소만을 고려하여 음소쌍 (phone-pair) 문법을 형성한다. 즉 임의의 숫자의 끝 유사음소 다음에 이어 올 수 있는 임의의 숫자의 시작 유사음소를 제한한다図.
결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다. 이후 실험은 개선된 짧은휴 지기간 모델을 이용하여 실험을 수행하였다.
전화망의 채널왜곡을 보상하기 위해 켑스트 럼 평균 차감법 (CMS: cepstral mean subtraction)적용하였다 HU.
결정트리기반의 군집화 (clustering)를 이용하여 전체 상태수를 약 600개로 제한 하였다[10]. 전화망의 채널왜곡을 보상하기 위해 켑스트 럼 평균 차감법 (CMS: cepstral mean subtraction)적용하였다[11].
성능/효과
마지막으로 2절에서 설명한 바와 같이 'ㅣ', 를 /ii/와 /i/로 구분하여 유사음소를 정의한 16 유사음소군의 성능 을 실험하였다. 16 유사음소군의 숫자열 인식률은 83.2% 로 나타났는데 이 또한 'ㅣ' 의 음향특성을 고려하기 전의 성능 82.7%에 비해 약간의 성능 개선이 있음을 확인할 수 있었다. 기준 시스템의 성능81.
6%, 97.8%이며, 그렇지 않은경우는각각 90.8%, 95.8%, 97.1%로 화자의 발성특성을 반영하면 성 능 개선이 이루어짐을 확인할 수 있었다. 그러므로 발성 특성에 따른 보다 다양한 음운변화를 반영한다면 성능향 상의 정도가 더욱 두드러질 것으로 기대된다.
먼저 15 유사음소군에서 개별화자의 발성 특성에 따른 음운변화를 반영하여 각 숫자마다 복수의 발음을 정의하 고 허용된 유사음소 시 퀀스로 인식을 하는 경우와 화자의 발성특성을 반영하지 않고 각숫자에 고정된 한가지 발음 형태만을 허용한 경우를 비교실험 하였다. 각 상태를 1개 의 가우시안으로 모델링하여 실험한 결과 숫자열 인식률 이 개별화자의 발성특성을 반영한 인식시스템은 82.1%, 그렇지 않은 시스템은 81.9%였다. 이는 실제 연결숫자음 에서는 여러 가지 다양한 음운변화가 나타나지만 15 유사 음소로 제한된 경우 나타날수 있는 개별화자의 발성특성 은 소리이음에 따른 차이가 주가 되기 때문인 것으로 판 단된다.
먼저 15 유사음소군에서 개별화자의 발성 특성에 따른 음운변화를 반영하여 각 숫자마다 복수의 발음을 정의하 고 허용된 유사음소 시 퀀스로 인식을 하는 경우와 화자의 발성특성을 반영하지 않고 각숫자에 고정된 한가지 발음 형태만을 허용한 경우를 비교실험 하였다. 각 상태를 1개 의 가우시안으로 모델링하여 실험한 결과 숫자열 인식률 이 개별화자의 발성특성을 반영한 인식시스템은 82.1%, 그렇지 않은 시스템은 81.9%였다. 이는 실제 연결숫자음 에서는 여러 가지 다양한 음운변화가 나타나지만 15 유사 음소로 제한된 경우 나타날수 있는 개별화자의 발성특성 은 소리이음에 따른 차이가 주가 되기 때문인 것으로 판 단된다.
4%로 인식률이 떨어졌다. 각 숫자들의 인식률을 분석한 결과 일, 이, 영은 각각1.4%, 1.6%, 0.4%가 향상되었으나 공, 칠은 각각 0.5%, 1.0%가 떨어진 것으로 나타났다. 이 결과를 종합해 보면 터짐소 리 및 붙갈이소리 (파찰음)로 시작하는 숫자의 인식률이 조금씩 떨어지고, 모음으로 시작하는 숫자의 인식률이 조금 개선되어 전체 성능을 약간 개선한 것으로 나타났 다.
다음으로 그림 4와 같이 짧은 휴지기간모델을 개선한 경우의 성능을 확인하였다. 개선된 짧은 휴지기간 모델 을 사용한 경우 82.7%의 숫자열 인식률을 나타내었는데, 이는 그렇지 않은 경우의 82.1%에 비해 약간의 성능 향상 이 있었다. 개선된 짧은 휴지기간 모델을 사용함으로써 오의 경우95.
다음으로 그림 4와 같이 짧은 휴지기간모델을 개선한 경우의 성능을 확인하였다. 개선된 짧은 휴지기간 모델 을 사용한 경우 82.7%의 숫자열 인식률을 나타내었는데, 이는 그렇지 않은 경우의 82.1%에 비해 약간의 성능 향상 이 있었다. 개선된 짧은 휴지기간 모델을 사용함으로써 오의 경우95.
1%에 비해 약간의 성능 향상 이 있었다. 개선된 짧은 휴지기간 모델을 사용함으로써 오의 경우95.8%에서 96.1%로 성능이 개선되었지만구의 경우 오히려 93.8%에서 93.4%로 인식률이 떨어졌다. 각 숫자들의 인식률을 분석한 결과 일, 이, 영은 각각1.
1%에 비해 약간의 성능 향상 이 있었다. 개선된 짧은 휴지기간 모델을 사용함으로써 오의 경우95.8%에서 96.1%로 성능이 개선되었지만구의 경우 오히려 93.8%에서 93.4%로 인식률이 떨어졌다. 각 숫자들의 인식률을 분석한 결과 일, 이, 영은 각각1.
이 결과를 종합해 보면 터짐소 리 및 붙갈이소리 (파찰음)로 시작하는 숫자의 인식률이 조금씩 떨어지고, 모음으로 시작하는 숫자의 인식률이 조금 개선되어 전체 성능을 약간 개선한 것으로 나타났 다. 결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다. 이후 실험은 개선된 짧은휴 지기간 모델을 이용하여 실험을 수행하였다.
이 결과를 종합해 보면 터짐소 리 및 붙갈이소리 (파찰음)로 시작하는 숫자의 인식률이 조금씩 떨어지고, 모음으로 시작하는 숫자의 인식률이 조금 개선되어 전체 성능을 약간 개선한 것으로 나타났 다. 결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다. 이후 실험은 개선된 짧은휴 지기간 모델을 이용하여 실험을 수행하였다.
5%로 수렴하였다. 그러나 기준 시스템에서는 일이 믹스쳐 개 수가11일 때 97.4%를 정점으로 떨어지며, 이와칠은믹스 쳐 개수가 9일 때 각각 94.6%, 97.9%를 정점으로 떨어짐 을 확인할 수 있었다. 만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다.
5%로 수렴하였다. 그러나 기준 시스템에서는 일이 믹스쳐 개 수가11일 때 97.4%를 정점으로 떨어지며, 이와칠은믹스 쳐 개수가 9일 때 각각 94.6%, 97.9%를 정점으로 떨어짐 을 확인할 수 있었다. 만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다.
기대하는 바와 같이 각각의 성능은 믹스쳐 개수를 늘려 갈 때 어느 정도까지는 인식률이 증가하다가그 이후로는 감소하며, 한국어 숫자음의 특성을 반영하여 정의한 유 사음소군이 일관되게 조금 더 나은 성능을 나타냄을 알 수 있다. 제안된 방식은 믹스쳐 개수가 U인 경우 91.
기대하는 바와 같이 각각의 성능은 믹스쳐 개수를 늘려 갈 때 어느 정도까지는 인식률이 증가하다가그 이후로는 감소하며, 한국어 숫자음의 특성을 반영하여 정의한 유 사음소군이 일관되게 조금 더 나은 성능을 나타냄을 알 수 있다. 제안된 방식은 믹스쳐 개수가 U인 경우 91.
이는 실제 연결숫자음 에서는 여러 가지 다양한 음운변화가 나타나지만 15 유사 음소로 제한된 경우 나타날수 있는 개별화자의 발성특성 은 소리이음에 따른 차이가 주가 되기 때문인 것으로 판 단된다. 소리이음이 반영된 경우의 일, 칠, 팔의 인식률은 각각93.7%, 96.6%, 97.8%이며, 그렇지 않은경우는각각 90.8%, 95.8%, 97.1%로 화자의 발성특성을 반영하면 성 능 개선이 이루어짐을 확인할 수 있었다. 그러므로 발성 특성에 따른 보다 다양한 음운변화를 반영한다면 성능향 상의 정도가 더욱 두드러질 것으로 기대된다.
7%였다. 숫자열에 대한 인식률 개선이 두드러진 것 은 아니 지만 숫자음의 음운변화의 특성을 고려하여 유사 음소군을 정의하고 화자의 발성특성에 따른 음운변화를 반영하여 성능이 향상됨을 확인할 수 있었다. 한국어 숫 자음에 나타나는 좀더 다양한 음운변화특성을 반영한다 면 추가적 인 성능향상이 있을 것으로 기대된다.
7%였다. 숫자열에 대한 인식률 개선이 두드러진 것 은 아니 지만 숫자음의 음운변화의 특성을 고려하여 유사 음소군을 정의하고 화자의 발성특성에 따른 음운변화를 반영하여 성능이 향상됨을 확인할 수 있었다. 한국어 숫 자음에 나타나는 좀더 다양한 음운변화특성을 반영한다 면 추가적 인 성능향상이 있을 것으로 기대된다.
그림에서 알 수 있듯이 믹스쳐 개수가 적을 때 성능차이가 좀더 크게 나타나며, 믹스쳐 개수가 늘어 남에 따라그 차이가 줄어드는데 이는 ' 丨 ' 의 음향특성을 고려하여 /ii/와 /i/로 구분함에 따라 상대적인 훈련데이 터의 감소에 기인하여 추정된 파라메터 신뢰도가 떨어지 기 때문인 것으로 판단된다. 실제로 제안된 방식의 경우 일과 이는 믹스쳐 개수가 각각 7, 9일 때 96.9%, 95.2%를 정점으로 떨어지며, 칠은 믹스쳐 개수가11일 때 98.5%로 수렴하였다. 그러나 기준 시스템에서는 일이 믹스쳐 개 수가11일 때 97.
그림에서 알 수 있듯이 믹스쳐 개수가 적을 때 성능차이가 좀더 크게 나타나며, 믹스쳐 개수가 늘어 남에 따라그 차이가 줄어드는데 이는 ' 丨 ' 의 음향특성을 고려하여 /ii/와 /i/로 구분함에 따라 상대적인 훈련데이 터의 감소에 기인하여 추정된 파라메터 신뢰도가 떨어지 기 때문인 것으로 판단된다. 실제로 제안된 방식의 경우 일과 이는 믹스쳐 개수가 각각 7, 9일 때 96.9%, 95.2%를 정점으로 떨어지며, 칠은 믹스쳐 개수가11일 때 98.5%로 수렴하였다. 그러나 기준 시스템에서는 일이 믹스쳐 개 수가11일 때 97.
0%가 떨어진 것으로 나타났다. 이 결과를 종합해 보면 터짐소 리 및 붙갈이소리 (파찰음)로 시작하는 숫자의 인식률이 조금씩 떨어지고, 모음으로 시작하는 숫자의 인식률이 조금 개선되어 전체 성능을 약간 개선한 것으로 나타났 다. 결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다.
0%가 떨어진 것으로 나타났다. 이 결과를 종합해 보면 터짐소 리 및 붙갈이소리 (파찰음)로 시작하는 숫자의 인식률이 조금씩 떨어지고, 모음으로 시작하는 숫자의 인식률이 조금 개선되어 전체 성능을 약간 개선한 것으로 나타났 다. 결국 개선된 짧은 휴지기간 모델은 모음으로 시작하 는 숫자음 앞의 약한 혀차기나 입술 부딪히는 소리로 인한 문제를완화하는 효과는 있지만여전히 개선의 여지가 존재함을 확인할 수 있었다.
만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다. 이 상의 실험을 통해서 한국어 숫자의 특징 분석 결과를 토대 로 그 특성 및 화자의 발성특성을 고려하여 확연한 차이는 아니 지만 성능을 개선시 킬 수 있음을 확인할 수 있었다.
만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다. 이 상의 실험을 통해서 한국어 숫자의 특징 분석 결과를 토대 로 그 특성 및 화자의 발성특성을 고려하여 확연한 차이는 아니 지만 성능을 개선시 킬 수 있음을 확인할 수 있었다.
본 논문에서는 한국어 연결숫자 인식시스템의 성능을 향상시 키기 위해 숫자 사이의 다양한 음운변화및 숫자에 서 자주 오인식이 일어나는 쌍들에 대한 특징 분석에 근 거하여 유사음소군을 정의하고, 사용자의 발성 형태에 따른 다양한 음운변화를 흡수할 수 있도록 인식시스템을 구성하였다. 제안된 방법에 의한 숫자열 인식률은 상태 당 믹스쳐 개수가 1인 경우 83.2%로, 기준 시스템에 대한 오류감소률이 7.2%였고, 가장 높은 성능을 나타낸 믹스 쳐 개수가 U인 경우 숫자열 인식률은 91.8%, 오류감소률 은 4.7%였다. 숫자열에 대한 인식률 개선이 두드러진 것 은 아니 지만 숫자음의 음운변화의 특성을 고려하여 유사 음소군을 정의하고 화자의 발성특성에 따른 음운변화를 반영하여 성능이 향상됨을 확인할 수 있었다.
기대하는 바와 같이 각각의 성능은 믹스쳐 개수를 늘려 갈 때 어느 정도까지는 인식률이 증가하다가그 이후로는 감소하며, 한국어 숫자음의 특성을 반영하여 정의한 유 사음소군이 일관되게 조금 더 나은 성능을 나타냄을 알 수 있다. 제안된 방식은 믹스쳐 개수가 U인 경우 91.8%의 성능을 나타내었으며, 이 경우 기준 시스템의 성능은 91.4%였다. 그림에서 알 수 있듯이 믹스쳐 개수가 적을 때 성능차이가 좀더 크게 나타나며, 믹스쳐 개수가 늘어 남에 따라그 차이가 줄어드는데 이는 ' 丨 ' 의 음향특성을 고려하여 /ii/와 /i/로 구분함에 따라 상대적인 훈련데이 터의 감소에 기인하여 추정된 파라메터 신뢰도가 떨어지 기 때문인 것으로 판단된다.
이러한 문제를 완화하기 위해서 숫자 사이에 가비지 (garbage) 모델을 넣는 방법도가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 짧은 휴지기간 (short pause) 모델 을 보다 정교하게 구성하여 이 문제를 완화하였다. 즉 음성벡터가 관측되는 상태가 하나인 기존의 짧은 휴지기 간 모델은 어절 경계에 쉼이 있거나 없는 경우를 표현하 기 위해서 사용되었는데, 본 논문에서는 짧은 휴지기간 모델의 음성벡터가 관측되는 상태를 3개로 증가시켜 가운데 상태가 약한 혀차기나 입술 부딪히는 소리부분을 표현할 수 있도록 함으로써 '오' 와 '구' 의 혼동 가능성을 줄였다. 그림 4에 본논문에서 사용한짧은휴지기간모델 을 나타내었다.
이러한 문제를 완화하기 위해서 숫자 사이에 가비지 (garbage) 모델을 넣는 방법도가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 짧은 휴지기간 (short pause) 모델 을 보다 정교하게 구성하여 이 문제를 완화하였다. 즉 음성벡터가 관측되는 상태가 하나인 기존의 짧은 휴지기 간 모델은 어절 경계에 쉼이 있거나 없는 경우를 표현하 기 위해서 사용되었는데, 본 논문에서는 짧은 휴지기간 모델의 음성벡터가 관측되는 상태를 3개로 증가시켜 가운데 상태가 약한 혀차기나 입술 부딪히는 소리부분을 표현할 수 있도록 함으로써 '오' 와 '구' 의 혼동 가능성을 줄였다. 그림 4에 본논문에서 사용한짧은휴지기간모델 을 나타내었다.
후속연구
1%로 화자의 발성특성을 반영하면 성 능 개선이 이루어짐을 확인할 수 있었다. 그러므로 발성 특성에 따른 보다 다양한 음운변화를 반영한다면 성능향 상의 정도가 더욱 두드러질 것으로 기대된다. 이후 실험은 개별화자의 발성특성을 반영한 발음사전 및 인식시스 템으로 수행하였다.
9%를 정점으로 떨어짐 을 확인할 수 있었다. 만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다. 이 상의 실험을 통해서 한국어 숫자의 특징 분석 결과를 토대 로 그 특성 및 화자의 발성특성을 고려하여 확연한 차이는 아니 지만 성능을 개선시 킬 수 있음을 확인할 수 있었다.
9%를 정점으로 떨어짐 을 확인할 수 있었다. 만약 훈련데 이 터 가 좀더 충분히 주 어진다면 제안된 방식의 훈련데이터 부족현상이 완화될 것이므로 적절한 수준의 모델 정교성을 유지하는 범위 내 에서는 보다 나은 성능을 보장해 줄 것이라 기대된다. 이 상의 실험을 통해서 한국어 숫자의 특징 분석 결과를 토대 로 그 특성 및 화자의 발성특성을 고려하여 확연한 차이는 아니 지만 성능을 개선시 킬 수 있음을 확인할 수 있었다.
한국어 숫 자음에 나타나는 좀더 다양한 음운변화특성을 반영한다 면 추가적 인 성능향상이 있을 것으로 기대된다. 이를 위해선 숫자음에 나타나는 다양한 음운변화에 따른 훈련데이터의 정확한유사음소 시퀀스를 얻기 위한 연구가 선행 되어야 할 것이다.
한국어 숫 자음에 나타나는 좀더 다양한 음운변화특성을 반영한다 면 추가적 인 성능향상이 있을 것으로 기대된다. 이를 위해선 숫자음에 나타나는 다양한 음운변화에 따른 훈련데이터의 정확한유사음소 시퀀스를 얻기 위한 연구가 선행 되어야 할 것이다.
숫자열에 대한 인식률 개선이 두드러진 것 은 아니 지만 숫자음의 음운변화의 특성을 고려하여 유사 음소군을 정의하고 화자의 발성특성에 따른 음운변화를 반영하여 성능이 향상됨을 확인할 수 있었다. 한국어 숫 자음에 나타나는 좀더 다양한 음운변화특성을 반영한다 면 추가적 인 성능향상이 있을 것으로 기대된다. 이를 위해선 숫자음에 나타나는 다양한 음운변화에 따른 훈련데이터의 정확한유사음소 시퀀스를 얻기 위한 연구가 선행 되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.