[논문 리뷰] On model architecture for a children's speech recognition interactive dialog system

Radoslava Kraleva, Velin Kralev|arXiv (Cornell University)|2016. 05. 25.

Speech and dialogue systems참고 문헌 3인용 수 4

한 줄 요약

이 논문은 상호작용 대화 시스템에서 어린이의 발성 인식을 위한 전문화된 아키텍처 모델을 제안하며, 음향-음소 모델링과 잡음 및 전송 조건 변화에 대한 강건성을 강조한다. 실제 환경에서의 인식 정확도 향상과 시스템 지속 가능성 향상을 위해 도서적 어린이 발성 모델링 향상의 필요성을 규명한다.

ABSTRACT

This report presents a general model of the architecture of information systems for the speech recognition of children. It presents a model of the speech data stream and how it works. The result of these studies and presented veins architectural model shows that research needs to be focused on acoustic-phonetic modeling in order to improve the quality of children's speech recognition and the sustainability of the systems to noise and changes in transmission environment. Another important aspect is the development of more accurate algorithms for modeling of spontaneous child speech.

연구 동기 및 목표

• 미성숙한 음소 발달과 발성 패턴으로 인한 어린이 발성의 낮은 인식 정확도 문제를 해결한다.
• 실제 응용에서 흔한 배경 잡음과 변동하는 전송 조건에 대한 시스템 강건성을 향상시킨다.
• 어른이나 독서 발성과는 상당히 다름으로써 구조가 덜 된 비구조적 어린이 발성을 더 정확하게 모델링한다.
• 어린이 발성 인식을 위한 상호작용 환경에 특화된 모듈식이고 확장 가능한 정보 시스템 아키텍처를 설계한다.
• 어린이 발성 인식 시스템에서의 핵심 아키텍처 및 모델링 우선순위를 규명하여 향후 연구의 기반을 마련한다.

제안 방법

• 원시 음성에서 인식된 음성 단위까지의 데이터 스트림을 계층적으로 구조화하는 모델을 제안한다.
• 어린이의 음소적 및 억양적 특성에 맞춰 조정된 음성 처리 모듈을 통합한 시스템 아키텍처를 도입한다.
• 어린이 특화의 음성 변형을 포착하기 위해 음향-음소 모델링을 核심 구성 요소로 강조한다.
• 전송 조건 악화 상황에서도 성능을 유지하기 위해 잡음 내성 메커니즘을 통합한다.
• 새로운 음성 처리 구성 요소의 통합과 확장성을 지원하기 위해 모듈식 설계를 채택한다.
• 실제 회의 환경(FMNS 2009)에서의 경험적 평가를 통해 아키텍처 프레임워크의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 어린이 발성의 고유한 음향적 및 음소적 특성을 효과적으로 처리할 수 있는 발성 인식 시스템 아키텍처를 설계할 수 있는가?
• RQ2 어린이 발성 인식에서 환경적 잡음과 전송 조건 변화에 대한 강건성을 확보하기 위해 필수적인 아키텍처 구성 요소는 무엇인가?
• RQ3 읽기 발성보다 덜 구조화된 비구조적 어린이 발성을 인식 시스템에서 더 정확하게 모델링할 수 있는 방법은 무엇인가?
• RQ4 음향-음소 모델링은 어린이 발성 인식 성능 향상에 어떤 역할을 하는가?
• RQ5 확장 가능하고 상호작용적인 대화 시스템을 어린이를 위해 개발할 때 따라야 할 설계 원칙은 무엇인가?

주요 결과

• 어린이 발성 인식 품질 향상을 위해 연구 초점을 두어야 할 주요 분야로 음향-음소 모델링이 규명되었다.
• 어린이 발성의 변동성, 특히 억양적 및 발음 차이를 처리할 수 있도록 아키텍처를 설계해야 한다.
• 실제 환경에 구현할 경우 어린이 발성 인식 시스템의 성능을 유지하기 위해 잡음에 대한 강건성과 전송 환경 변화에 대한 내성은 필수적이다.
• 불순성, 단순화된 음소 체계, 비표준 발음으로 인해 비구조적 어린이 발성은 심각한 과제를 야기하며, 이에 특화된 모델링이 필요하다.
• 제안된 아키텍처 모델은 향후 어린이 발성 처리 기술의 통합을 위한 체계적인 프레임워크를 제공한다.
• FMNS 2009에서의 경험적 검증을 통해 제안된 아키텍처가 어린이 발성 인식 시스템에 실현 가능하고 관련성이 있음을 확인했다.