一般化Hough変換を用いたワードスポッティング

スポンサーリンク

概要

論文の詳細を見る
音声データベースの中から任意の発話区間を検出する方法を提案する。本手法は検出したい発話区間を単語単位で訓練されたモデルによって検出するのではなく、一つの入力発話から類似性の高い区間を検出することを方針としており、一種のテンプレートマッチングと考えることができる。マッチング方法としては一般化Hough変換に着目した。これは二次元平面上の任意形状を表で記述し、表の参照による投票で形状の検出を行なうものである。本稿ではこれを三次元形状の検出用に拡張し、扱う音声の特徴量として音声のスペクトル時系列を用いた。男性話者1名による15個の発話をキーワードとし、男性話者30名が発話した450文に対してスポッテイングする実験を行ない、実験結果からその問題点を考察した。
社団法人電子情報通信学会の論文
1997-06-20

著者

関連論文

もっと見る

スポンサーリンク