LSTM 기반의 Seq2Seq 모델을 이용한 한국어 음성인식 오류 교정 방법
Error Correction for Korean Speech Recognition using a LSTM-based Sequence-to-Sequence Model
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
현재 대부분의 음성인식 오류 교정에 관한 연구는 영어를 기준으로 연구되어 한국어 음성인식에대한 연구는 미비한 실정이다. 하지만 영어 음성인식에 비해 한국어 음성인식은 한국어의 언어적인특성으로 인해 된소리, 연음 등의 발음이 있어, 비교적 많은 오류를 보이므로 한국어 음성인식에 대한연구가 필요하다. 또한, 기존의 한국어 음성인식 연구는 주로 편집 거리 알고리즘과 음절 복원 규칙을사용하기 때문에, 된소리와 연음의 오류 유형을 교정하기 어렵다. 본 연구에서는 된소리, 연음 등 발음으로 인한 한국어 음성인식 오류를 교정하기 위하여 LSTM을 기반으로 한 인공 신경망 모델Sequence-to-Sequence와 Bahdanau Attention을 결합하는 문맥 기반 음성인식 후처리 모델을 제안한다. 실험 결과, 해당 모델을 사용함으로써 음성인식 성능은 된소리의 경우 64%에서 77%, 연음의 경우 74%에서 90%, 평균 69%에서 84%로 인식률이 향상되었다. 이를 바탕으로 음성인식을 기반으로 한 실제 응용프로그램에도 본 연구에서 제안한 모델을 적용할 수 있다고 사료된다.
Abstract
Recently, since most of the research on correcting speech recognition errors is based on English, there is not enough research on Korean speech recognition. Compared to English speech recognition, however, Korean speech recognition has many errors due to the linguistic characteristics of Korean language, such as Korean Fortis and Korean Liaison, thus research on Korean speech recognition is needed. Furthermore, earlier works primarily focused on editorial distance algorithms and syllable restoration rules, making it difficult to correct the error types of Korean Fortis and Korean Liaison. In this paper, we propose a context-sensitive post-processing model of speech recognition using a LSTM-based sequence-to-sequence model and Bahdanau attention mechanism to correct Korean speech recognition errors caused by the pronunciation. Experiments showed that by using the model, the speech recognition performance was improved from 64% to 77% for Fortis, 74% to 90% for Liaison, and from 69% to 84% for average recognition than before. Based on the results, it seems possible to apply the proposed model to real-world applications based on speech recognition.
참고문헌 (13)
- 남기훈, "한글 단어의 음성 인식 처리에 관한 연구", 문화기술의 융합, 5(4), pp.407~412 (2019), 국제문화기술진흥원
- Dong-Hee Lim, "Word spacing Error Correction for the Postprocessing of Speech Recognition", Proceedings of the Korean Information Science Society Conference, 33(1), pp.25~27 (2006)
- Ilya Sutskever, "Sequence to Sequence Learning with Neural Networks", Neural Information Processing Systems, 3104(3112) (2014)
- D. Bahdanau, "Neural machine translation by jointly learning to align and translate", Proc. Int. Conf. Learn. Representations (2014)
- Ye-jin Kim, "Post-Processing of Speech Recognition Using Phonological Variables and Improved Edit-distance", Annual Conference on Human and Language Technology, pp.9~12 (2014)
- E. Tanaka, "Synchronization and substitution error-correcting codes for the Levenshtein metric", IEEE Transactions on Information Theory, 22(2), pp.156~162 (1976), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Sang-Hyun Seo, "Post-Processing of Voice Recognition Using Phonologic Rules and Morphologic analysis", Annual Conference on Human and Language Technology, pp.495~499 (1997)
- 민소연, "한국어 특성 기반의 STT 엔진 정확도를 위한 정량적 평가방법 연구", 한국산학기술학회논문지, 21(7), pp.699~707 (2020), 한국산학기술학회[DOI]
- 최승주, "음성 인식 오픈 API의 음성 인식 정확도 비교 분석", 예술인문사회 융합 멀티미디어 논문지, 7(8), pp.411~418 (2017), 사단법인 인문사회과학기술융합학회[DOI]
- Hyun-Woo Oh, "Open Apis For Speech Recognition", The Journal Of The Acoustical Society Of Korea (2019)
- "ETRI Speech Recognition"[URL]
- "KSS Dataset: Korean Single Speaker Speech Dataset"[URL]
- Seung-Hyeon Park, "Correction of Korean Spelling Errors Using Cosine Similarity Algorithm", pp.2016