[論文レビュー] Opportunities & Challenges In Automatic Speech Recognition

Rashmi Makhijani, Urmila Shrawankar+1 more|arXiv (Cornell University)|May 9, 2013

Speech Recognition and Synthesis参考文献 19被引用数 3

ひとこと要約

この論文は、計算プラットフォームにおける並列処理の増加が、騒音環境下での認識精度の向上、バッチ処理スループットの増加、リアルタイム遅延の低減によって自動音声認識（ASR）をどのように向上させるかを検討する。並列処理の技術的課題、現在のアプローチ、次世代ASRシステムを支援するための効率的なソフトウェアおよびハードウェアインfra構築のための今後の研究方向性を概説する。

ABSTRACT

Automatic speech recognition enables a wide range of current and emerging applications such as automatic transcription, multimedia content analysis, and natural human-computer interfaces. This paper provides a glimpse of the opportunities and challenges that parallelism provides for automatic speech recognition and related application research from the point of view of speech researchers. The increasing parallelism in computing platforms opens three major possibilities for speech recognition systems: improving recognition accuracy in non-ideal, everyday noisy environments; increasing recognition throughput in batch processing of speech data; and reducing recognition latency in realtime usage scenarios. This paper describes technical challenges, approaches taken, and possible directions for future research to guide the design of efficient parallel software and hardware infrastructures.

研究の動機と目的

• 現代の計算プラットフォームにおける並列処理の機会と課題が自動音声認識（ASR）システムの発展に与える影響を検討すること。
• ノイズの多い環境などの非理想的な現実世界の条件下で、並列アーキテクチャがASR性能をどのように向上させられるかを特定すること。
• バッチ処理における音声データの処理スループットの向上とリアルタイムアプリケーションにおける遅延低減に並列処理が与える影響を分析すること。
• スケーラブルで効率的なASRワークロードに特化した効率的なソフトウェアおよびハードウェアインfra構築の設計を支援すること。
• 強固で高性能な音声認識システムを実現するための並列処理の活用に向けた今後の研究方向性を提示すること。

提案手法

• 並列コンピューティングがASRシステムのパフォーマンスに与える影響を、認識精度、スループット、遅延の3つの主要な次元から分析すること。
• 特徴抽出、音響モデル、デコード段階など、音声認識パイプラインで並列処理を活用する既存のアプローチを調査すること。
• マルチコアおよび分散コンピューティングプラットフォームに展開された現在のASRアルゴリズムのスケーラビリティを評価すること。
• データ依存性や同期オーバーヘッドなどの要因によって並列処理の効率が制限される音声処理パイプラインのボトルネックを同定すること。
• ASRワークロードに最適化された将来のハードウェアおよびソフトウェアスタックのアーキテクチャ的配慮を提案すること。
• BEATS 2010会議の事例研究およびシステムレベルの評価を基に、並列ASRの実用的実装を説明すること。

実験結果

リサーチクエスチョン

• RQ1 並列コンピューティングアーキテクチャは、騒音のある現実世界の環境下でどのように音声認識の認識精度を向上させることができるか？
• RQ2 並列処理を活用して高スループットのバッチ処理を実現するASRシステムをスケーリングする際の主な技術的課題は何か？
• RQ3 リアルタイム音声認識アプリケーションにおいて、並列処理はどのように認識遅延を低減できるか？
• RQ4 現代の並列ハードウェアにASRワークロードを効率的にマッピングするためのシステムレベルの設計原則は何か？
• RQ5 スケーラブルで効率的な並列ASRインfraを構築するにあたり、最も有望な今後の研究方向性は何か？

主な発見

• ノイズ環境下でもより複雑なモデルや頑健な特徴処理を可能にするため、並列処理によりASRの認識精度が顕著に向上する。
• 特徴抽出段階とデコード段階におけるタスクレベルおよびデータレベルの並列処理を効果的に行うことで、音声データの高スループットバッチ処理が実現できる。
• 音響モデルと言語モデルのコンponentを並列実行することで、リアルタイムASRアプリケーションの遅延が低減される。
• データ同期やメモリアクセスパターンといったシステムレベルのボトルネックが、並列ASRパイプラインのスケーラビリティを制限する。
• 将来的なASRシステムでは、ソフトウェアアルゴリズムとハードウェアアーキテクチャを共同で設計することで、並列処理の潜在能力を最大限に引き出せるようになる。
• 音声認識研究に並列コンピューティングの原則を統合することは、マルチメディア分析やヒューマンコンピュータインタラクション分野における新規応用を支援する上で不可欠である。