[논문 리뷰] Introduction to Arabic Speech Recognition Using CMUSphinx System

Hassan Satori, Mostafa Harti외 1명|ArXiv.org|2007. 04. 17.

Speech Recognition and Synthesis참고 문헌 13인용 수 49

한 줄 요약

이 논문은 오픈소스 CMU Sphinx-4 프레임워크를 기반으로 하여 음성 인식 대상 어조에 관계없이 작동하는 대규모 어휘를 갖춘 아랍어 음성 인식 시스템을 제안한다. 음성 모델링에 이산 은닉 마르코프 모델(HMM)을 활용하며, 연구자들은 스피치 유저를 위한 특화된 모델을 개발하여 소규모 아랍어 음성 코퍼스에서 실현 가능한 인식 성능을 달성하였다.

ABSTRACT

In this paper Arabic was investigated from the speech recognition problem point of view. We propose a novel approach to build an Arabic Automated Speech Recognition System (ASR). This system is based on the open source CMU Sphinx-4, from the Carnegie Mellon University. CMU Sphinx is a large-vocabulary; speaker-independent, continuous speech recognition system based on discrete Hidden Markov Models (HMMs). We build a model using utilities from the OpenSource CMU Sphinx. We will demonstrate the possible adaptability of this system to Arabic voice recognition.

연구 동기 및 목표

• 다양한 말하는 사람들을 대상으로도 사용 가능한 견고한 오픈소스 아랍어 자동 음성 인식(ASR) 시스템의 부족을 해결하기 위해.
• 원래 영어를 대상으로 설계된 CMU Sphinx-4 프레임워크가 아랍어 음성 인식에 어떻게 적응할 수 있는지 조사하기 위해.
• 오픔소스 도구와 HMM 기반 음성 모델링을 사용하여 기능적인 아랍어 ASR 모델을 개발하기 위해.
• 소규모 아랍어 음성 데이터셋에서 시스템의 성능을 평가하여 저자원 언어에 대한 적응 가능성 입증하기 위해.

제안 방법

• 시스템은 오픈소스이자 대규모 어휘, 말하는 사람에 관계없이 작동하는 연속 음성 인식 엔진인 CMU Sphinx-4를 기반으로 한다.
• 음소 및 단어 인식의 핵심 음성 모델링 기법으로 이산 은닉 마르코프 모델(HMM)을 사용한다.
• 제한된 아랍어 음성 코퍼스를 기반으로 SphinxTrain 및 SphinxDecode와 같은 스피치 유저티리널을 사용하여 맞춤형 언어 및 음성 모델을 훈련시킨다.
• 아랍어의 발음 체계와 문법에 맞게 조정된 음소 사전과 언어 모델을 사용한다.
• 표준 음성 인식 파이프라인에서 사용되는 멜 주파수 케플스트럼 계수(MFCC)를 사용하여 특징 추출을 수행한다.
• 표준 ASR 메트릭스인 단어 오류율(WER)을 사용하여 모델을 평가하지만, 요약에서는 구체적인 수치가 기재되어 있지 않다.

실험 결과

연구 질문

• RQ1 원래 영어를 대상으로 설계된 CMU Sphinx-4 프레임워크가 아랍어 음성 인식에 효과적으로 적응할 수 있는가?
• RQ2 제한된 아랍어 음성 데이터셋에서 HMM 기반 모델링을 통해 도달할 수 있는 인식 정확도는 어느 정도인가?
• RQ3 Sphinx 유저티리널이 아랍어 전용 음성 모델 및 언어 모델 구축에 얼마나 잘 지원하는가?
• RQ4 아랍어의 발음적·구조적 복잡성 때문에 말하는 사람에 관계없이 작동하는 시스템을 적용할 때 발생하는 과제는 무엇인가?
• RQ5 오픈소스 도구가 저자원 언어인 아랍어와 같은 언어에 대해 ASR 시스템 개발을 얼마나 잘 지원할 수 있는가?

주요 결과

• CMU Sphinx-4 프레임워크는 아랍어 음성 인식에 적응 가능하며, 기능적인 ASR 시스템을 구축하는 데 실현 가능성을 보여준다.
• 소규모 코퍼스를 기반으로 훈련된 HMM 기반 음성 모델을 사용하여 시스템은 연속적인 아랍어 음성을 성공적으로 처리한다.
• SphinxTrain 및 SphinxDecode와 같은 오픈소스 도구를 사용함으로써 아랍어용 언어 모델과 음성 모델을 구축할 수 있었다.
• 성능 메트릭스로 단어 오류율(WER)이 요약에 기재되어 있지 않지만, 이 접근법은 저자원 언어 응용 분야에 유망한 가능성을 보여준다.
• 이 연구는 CMU Sphinx-4 플랫폼을 사용하여 아랍어에 대해 말하는 사람에 관계없이 작동하는 음성 인식이 가능하다는 점을 확인하였다.