抄録

○絹田卓也・田村哲嗣・速水　悟（岐阜大）

音声認識技術において，実環境下での環境雑音による認識率低下の改善は必須であり，音響情報と画像情報を用いたマルチモーダル音声認識による，雑音環境下に強い音声認識が研究されている.一方，音声認識結果と，認識対象話者の少量の発話データを用いて，モデル適応を行い，認識結果を改善する手法がある.本稿では，音響モデルまたは画像モデルに対し，より認識精度の高いマルチモーダルの認識結果を用いた適応を行い，それを統合したモデルでより認識精度を高め，これを繰り返すことで，従来の適応法より認識精度の向上を目指す.認識実験は音声雑音，画像雑音，音声画像雑音を載せて実験を行った.