선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 예로써 /이 오 유/의 모음열을 이용해서 기준모델을 구 성할 경우 세 음절의 경우 후보 감축을 위한 별도의 방법을 적용하지 않는다면 구성할 수 있는 모델의 연결은 1,000 (=10x10x10x1)개의 연결이 가능하고, 앞에서 순차적으로 제 1후보로 인식하여 가는 경우 30(=10+10+10x1)개의 연 결로 인식이 가능하다[2]. 그러나 본 논문에서 제안한 방법은 (그림 8)에서 보는 바와 같이 9(=ix6xixl + lx3xix 1)개의 연결만으로 가능하기 때문에 인식시간의 단축 효과 도 기대된다.
- 그러나, 연음이 되는 숫자음성인 경우에는 예를 들어 /25/, /42/, /95/사이에서는 음절구별이 정확 하게 되지 않는 경우가 있다. 따라서 좀 더 정확한 음절의 개수를 추출하기 위해서 본 논문에서는 VB1 파라미터의 미분 정보를 이용하여 분할한다. VB1 파라미터의 미분정보를 적용하는 방법은 다음과 같다.
- 본 논문에서는 연속 발성된 숫자음성에서 비교적 안정된 모음 부의 정보를 이용하여 음절수를 추출하고, 음절의 안 정구간에 포함된 모음열을 추출하여 인식한 후 연결 숫자 의 인식 후보를 감축한다. 또한 인식된 모음 열 정보를 이용하여 CV, VCCV, VC 단위의 HMM 모델[2, 3]을 인식 단 위로 하는 연속 숫자 음성인식 시스템을 제안하였다. 제안한 방법의 성능 평가는 모음 열 인식 정보를 적용하지 않은 방식 [2]과 비교하여 평가하였다.
- 먼저 입력 데 이터로부터 에너지와 영 교차율(zero-crossing rate)을 이용하여 유성음과 무성음 영역을 검출한다. 또한 좀 더 정확한 유성음 영역을 검출하기 위해 제 1 포먼트, 제 2 포먼트가 존재하는 215Hz와 2, 756Hz사이의 에너지 정보 VB1 (vowel band 1) 파라미터를 이용하여 안정된 유성음 영역을 추출 하였다. VB1 파라미터의 주파수 대역은 모음영역에서 비교적 큰 에너지를 갖기 때문에 유성음 영역을 검출하는데 유 효한 파라미터로 사용될 수 있다.
- 음절 개수 추출은 기준모델 작성시 연속 숫자의 개수에 큰 영향을 미치기 때문에 인식하기 전에 미리 음절 개수를 알고 있다면 인식 오류를 줄일 수 있게 된다. 먼저 입력 데 이터로부터 에너지와 영 교차율(zero-crossing rate)을 이용하여 유성음과 무성음 영역을 검출한다. 또한 좀 더 정확한 유성음 영역을 검출하기 위해 제 1 포먼트, 제 2 포먼트가 존재하는 215Hz와 2, 756Hz사이의 에너지 정보 VB1 (vowel band 1) 파라미터를 이용하여 안정된 유성음 영역을 추출 하였다.
- 모음 열 인식 정보를 이용한 기준모델 구성에 따른 연결 숫자 음성인식 시스템의 유효성을 확인하기 위해서 모음 열 인식에는 연결 숫자음성 뿐만 아니라 성명, 단음절, PBW가 포함된 음성 DB를 이용하여 HMM모델을 구성하였다. 연 결 숫자인식을 위한 CV, VCCV, VC 단위모델은 연결 숫자 음성 DB를 이용하여 모델을 생성하였다.
- 모음 열 추출 결과에 따라 숫자음성 기준 모델을 결합하 도록 함으로써 후보의 수를 줄여 인식 속도를 향상할 수 있도록 구성한다. (그림 8)은 모음 열 /이 오 유/에 따른 기준 모델구성의 결과를 나타내었다.
- 모음 열 추출 방법은 각각의 참조 모델의 모음군의 값이 임의의 기준 값 이상이 되면 모음 후보가 존재한다고 결정 하고 인식하도록 하였다. 또한 숫자음성 /오이/, /사이/, /구 일/과 같이 종성이 없는 음절과 초성이 /。/이 오는 음절인 경우에는 음절개수를 정확하게 추출하지 못하는 경우가 있다.
- 모음열을 구하기 위해서 숫자음성 뿐만 아니라 성명, 단 음절, PBW가 포함된 음성 DB로부터 안정된 모음 영역으 로부터 각 모음군의 제 1포먼트와 제 2포먼트의 주파수 영역의 에너지 분포와 모음 영역 HMM을 생성하여 기준 모델로 사용하였다[3]. (그림 5)에 모음군의 분류와 그에 따른 기준모델 생성을 나타내었다.
- 발성된 연속 숫자 음성에서 모음열을 인식하기 위해서 /삼/, /사/, /팔/은 /아/모음 군에 /공/, /오/, /구/는 /오/모음 군에, /일/, /이/, /칠/은 /이/모음 군으로 구별하고 /육/은 / 이+오/군으로 구별하였다. /오/와 /구/를 같은 /오/모음 군 으로 분류한 것은 /오/와 /우/의 특성이 유사하여 변별이 쉽지 않았기 때문이다.
- 본 논문에서는 발성된 연속 숫자음성에서 음절수와 모음열을 추출하고, 추출된 모음 열에 해당하는 후보 모델을 VCCV 단위 HMM을 이용하여 인식하는 한국어 연속숫자 음성인식 시스템을 구현하였다. 음절수와 모음 열 정보를 이용하여 인식후보의 수를 줄였기 때문에 인식 시간의 단 축을 가져오게 되고, 후보가 줄어드는 관계로 인식률 면에 서도 좋은 성능이 나타남을 알 수 있었다.
- 본 논문에서는 연속 발성된 숫자음성에서 비교적 안정된 모음 부의 정보를 이용하여 음절수를 추출하고, 음절의 안 정구간에 포함된 모음열을 추출하여 인식한 후 연결 숫자 의 인식 후보를 감축한다. 또한 인식된 모음 열 정보를 이용하여 CV, VCCV, VC 단위의 HMM 모델[2, 3]을 인식 단 위로 하는 연속 숫자 음성인식 시스템을 제안하였다.
- 음절 개수 추출시 오류가 잦은 연속된 숫자 열인 /이이/, I오외는 발성 시간 정보를 이용하여 두 개의 영역으로 분 할하도록 하였다. 숫자음성 /팔/인 경우에는 /아/모음 다음 에 유성종성자음 /e/o] /이/모음 군으로 맵핑되는 경우가 있기 때문에 규칙을 적용하여 한 음절 안에 끊김 없이 /아 /, /이/가 올 경우에는 뒤쪽에 위치한 /이/모음 군을 삭제하도록 구성하였다. 또한 모음열이 짧은 시간을 갖는 /이/모 음 군과 /오/모음 군이 연속적으로 발성될 경우에는 숫자음 성 /육/으로 발성된 것으로 하였다.
- 모음 열 인식 정보를 이용한 기준모델 구성에 따른 연결 숫자 음성인식 시스템의 유효성을 확인하기 위해서 모음 열 인식에는 연결 숫자음성 뿐만 아니라 성명, 단음절, PBW가 포함된 음성 DB를 이용하여 HMM모델을 구성하였다. 연 결 숫자인식을 위한 CV, VCCV, VC 단위모델은 연결 숫자 음성 DB를 이용하여 모델을 생성하였다. 성능 평가를 위해서는 연결 숫자의 모든 조합이 고려된 4 연속숫자 음성 35 개를 훈련에 참여하지 않은 화자 5명이 발성한 음성을 이용하여 평가하였다.
- 음절 개수 추출시 오류가 잦은 연속된 숫자 열인 /이이/, I오외는 발성 시간 정보를 이용하여 두 개의 영역으로 분 할하도록 하였다. 숫자음성 /팔/인 경우에는 /아/모음 다음 에 유성종성자음 /e/o] /이/모음 군으로 맵핑되는 경우가 있기 때문에 규칙을 적용하여 한 음절 안에 끊김 없이 /아 /, /이/가 올 경우에는 뒤쪽에 위치한 /이/모음 군을 삭제하도록 구성하였다.
- 4 연속숫자 35개는[표 2]와 같다. 이를 이용하여 4음절의 음절 개수 추출 정확도, 모음 열 검출 정 확도, 인식률을 조사하였으며, 인식률의 비교 대상은 모음 열 정보를 적용하지 않은 기존의 4 연속숫자 음성의 CV, VCCV, VC 단위모델[2]의 경우와 비교 평가하였다.
- [표 4]에는 모음 열 정보를 이용한 시스템과 기존의 시 스템과의 연속숫자 음성인식 결과를 나타내었다. 인식률은 4자리를 모두 알아맞히는 경우를 인식된 것으로 하여 조사 하였다. 인식 결과를 살펴보면 모음 열을 이용한 시스템이 25.
대상 데이터
- 연 결 숫자인식을 위한 CV, VCCV, VC 단위모델은 연결 숫자 음성 DB를 이용하여 모델을 생성하였다. 성능 평가를 위해서는 연결 숫자의 모든 조합이 고려된 4 연속숫자 음성 35 개를 훈련에 참여하지 않은 화자 5명이 발성한 음성을 이용하여 평가하였다. 4 연속숫자 35개는[표 2]와 같다.
- 그러나, 연속된 숫자 음성의 발성 시에 는 숫자와 숫자사이에 음절의 구분이 쉽지 않게 연결되어 나타나는 경우를 음성 파형 관찰에서 쉽게 확인할 수 있다. 일례로써 (그림 1)에 4연속 숫자음성 523新/오이삼오/라고 발성한 음성 파형과 스펙트로그램을 나타내었다. (그림 1) 에서 보는 바와 같이 자연스러운 발성인 경우에는 오와 이 사이, 삼과 오 사이와 같이 연결되어 있어서 정확한 음절 구분이 쉽지 않게 된다[2].
데이터처리
- 또한 인식된 모음 열 정보를 이용하여 CV, VCCV, VC 단위의 HMM 모델[2, 3]을 인식 단 위로 하는 연속 숫자 음성인식 시스템을 제안하였다. 제안한 방법의 성능 평가는 모음 열 인식 정보를 적용하지 않은 방식 [2]과 비교하여 평가하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.