[논문 리뷰] Speech Recognition by Machine, A Review

M. A. Anusuya, S. K. Katti|arXiv (Cornell University)|2010. 01. 13.

Speech Recognition and Synthesis참고 문헌 72인용 수 207

한 줄 요약

이 리뷰 논문은 지난 60년간의 자동 음성 인식(ASR) 연구에 대한 종합적인 연대기적 개요를 제공하며, 음성 분류, 특징 추출, 분류 기법에서의 핵심 발전을 분석한다. 지속적인 과제로는 발화자 및 환경적 변동성을 규명하고, 주요 방법론적 접근 방식을 평가하며, 기초적 진전과 열린 연구 방향에 중점을 두어 ASR 시스템의 진화와 현재 상태에 대한 기술적 시각을 제공한다.

ABSTRACT

This paper presents a brief survey on Automatic Speech Recognition and discusses the major themes and advances made in the past 60 years of research, so as to provide a technological perspective and an appreciation of the fundamental progress that has been accomplished in this important area of speech communication. After years of research and development the accuracy of automatic speech recognition remains one of the important research challenges (e.g., variations of the context, speakers, and environment).The design of Speech Recognition system requires careful attentions to the following issues: Definition of various types of speech classes, speech representation, feature extraction techniques, speech classifiers, database and performance evaluation. The problems that are existing in ASR and the various techniques to solve these problems constructed by various research workers have been presented in a chronological order. Hence authors hope that this work shall be a contribution in the area of speech recognition. The objective of this review paper is to summarize and compare some of the well known methods used in various stages of speech recognition system and identify research topic and applications which are at the forefront of this exciting and challenging field.

연구 동기 및 목표

• 지난 60년간 자동 음성 인식(ASR) 시스템의 진화에 대한 역사적이고 기술적 시각을 제공하는 것.
• 발화자 변동성, 환경적 소음, 맥락적 변동성과 같은 ASR의 核심 과제를 규명하고 분석하는 것.
• 음성 표현, 특징 추출, 분류를 포함한 ASR 전 단계의 주요 방법론적 접근 방식을 조사하고 비교하는 것.
• 2009년 기준으로 ASR 개발의 최전선에 있는 주요 연구 추세와 응용 사례를 부각하는 것.
• 잘 알려진 방법을 요약하고 분야 내 열린 연구 문제를 규명하여 연구자들에게 기초 자료로 기여하는 것.

제안 방법

• 논문은 2009년 기준 최신 기술까지의 ASR 기법 발전을 추적하는 연대기적 리뷰 방법론을 사용한다.
• 시간 도메인 및 스펙트럼 표현 방식, 예를 들어 선형 예측 코딩(LPC)과 멜 주파수 체르스탈 계수(MFCCs)를 포함한 음성 표현 방법을 검토한다.
• 원시 음성 신호를 분류에 적합한 압축되고 분류에 유리한 표현으로 변환하기 위해 사용된 특징 추출 기법을 평가한다.
• 숨은 마르코프 모델(HMMs), 가우시안 믹스처 모델(GMMs), 그리고 초기 신경망 기반 접근 방식을 포함한 다양한 음성 분류기 분석.
• 시스템 성능 평가를 위한 음성 데이터베이스와 표준화된 평가 프로토콜의 역할을 논의한다.
• 다양한 연구 기여에서의 통찰을 통합하여, 기술적 진전과 적용 맥락에 따라 연구 결과를 체계화한다.

실험 결과

연구 질문

• RQ1 지난 60년간 자동 음성 인식 분야에서의 주요 기술적 성과와 방법론적 전환점은 무엇인가?
• RQ2 다양한 조건에서 정확도를 향상시키기 위해 음성 표현 및 특징 추출 기법은 어떻게 진화해 왔는가?
• RQ3 특히 발화자 및 환경적 변동성과 관련된 지속적인 과제는 무엇인가?
• RQ4 ASR 개발의 각 단계에서 지배적인 분류 모델은 무엇이었으며, 각각의 강점과 한계는 무엇인가?
• RQ5 2009년 기준으로 분야에서 최신 기술로 여겨졌던 연구 방향과 응용 분야는 무엇이었는가?

주요 결과

• 논문은 2000년대 초반의 대부분의 시스템을 뒷받침하는 주요 통계적 프레임워크로 은닉 마르코프 모델(HMMs)과 가우시안 믹스처 모델(GMMs)을 규명한다.
• 노이즈에 강건하고 청각적으로 관련된 음성 정보를 효율적으로 캡처할 수 있는 특징 추출 기법인 멜 주파수 체르스탈 계수(MFCCs)가 표준이 되었다.
• 상당한 진전에도 불구하고, 발화자 및 환경적 변동성은 정확도와 일반화 능력에 영향을 주는 지속적인 과제로 남아 있었다.
• 논문은 대규모 표준화된 음성 데이터베이스와 성능 평가 지표의 중요성이 재현 가능한 연구와 시스템 비교를 가능하게 하여 점점 더 중요해지고 있음을 강조한다.
• 저자들은 상당한 기초적 진전이 이루어졌음에도 불구하고, 다양한 조건에서 높은 정확도를 달성하는 것이 여전히 핵심 열린 과제로 남아 있다고 결론 내린다.
• 논문은 향후 ASR 발전을 위한 중심 과제로 고도화된 모델링 기법과 향상된 데이터 자원 통합을 위치짓는다.