複数特徴の重み付き統合による雑音に頑健な発話区間検出(音声,聴覚)
スポンサーリンク
概要
- 論文の詳細を見る
発話区間検出(VAD)は雑音環境下での音声認識において重要な要素技術であるが,従来法は雑音条件に大きく依存し,安定して高い性能を得るのが難しい.そこで本研究では複数の特徴を重み付き統合し,更に重みを最適化することにより種々の雑音に頑健なVADを実現する手法を提案する.提案手法では,VADの代表的な特徴である振幅レベル,ゼロ交差数,スペクトル情報,GMM対数ゆう度の4種類を統合的に用いる.これらの特徴の統合は,雑音環境に応じて最適な特徴を選択することを事実上包含しており,また統合重みを最適化することにより更なる検出性能の向上が期待できる.統合重みの最適化には最小分類誤り(MCE)学習を用いる.3種類の雑音環境下での実験により,提案手法の雑音への頑健性を確認した.また重みの最適化が実際に検出性能を改善すること,数回程度の発話で雑音環境に適応できることが示された.更に,検出された音声区間に対して音声認識実験を行い,VADの性能の向上が音声認識の精度を高めることを確認した.
- 社団法人電子情報通信学会の論文
- 2006-08-01
著者
関連論文
- 話し言葉における引用節の自動認定および引用符の付与(第8回音声言語シンポジウム)
- 話し言葉における引用節の自動認定および引用符の付与(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 話し言葉における引用節の自動認定および引用符の付与
- スライド情報を用いた言語モデル適応による講義音声認識
- 質問応答・情報推薦機能を備えた音声による情報案内システム(音声質問応答,インタラクションの理解とデザイン)
- ドメインとスタイルを考慮したWebテキストの選択による音声対話システム用言語モデルの構築(音声,聴覚)
- シナリオ記述を状況に依存して実行する対話エージェントのアーキテクチャ
- シナリオ記述を状況に依存して実行する対話エージェントのアーキテクチャ
- 局所的な係り受けの情報を用いた話し言葉の節・文境界の推定
- ポスター会話に対する発話区間検出と話者識別の検討(コミュニケーション・対話,第9回音声言語シンポジウム)
- ポスター会話に対する発話区間検出と話者識別の検討(コミュニケーション・対話,第9回音声言語シンポジウム)
- ポスター会話に対する発話区間検出と話者識別の検討(コミュニケーション・対話,第9回音声言語シンポジウム)
- 話し言葉における引用節の自動認定および引用符の付与(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 対話音声認識を指向した音響モデルの構築
- 発話検証に基づく音声操作プロジェクタとそれによる講演の自動ハイパーテキスト化 (音声言語情報処理)
- 文法カテゴリ対制約を用いたA^*探索に基づく大語彙連続音声認識パーザ (音声言語情報処理)
- 単語トレリスインデックスを用いた段階的探索による大語彙連続音声認識
- 文法カテゴリ対制約を用いたA^*探索に基づく大語彙連続音声認識パーザ
- 汎用的な情報検索音声対話プラットフォーム
- 文法カテゴリ対制約を用いたA^*探索に基づく大語彙連続音声認識パーザ
- 汎用的な情報検索音声対話プラットフォーム
- 文法カテゴリ対制約を用いたA^*探索に基づく大語彙連続音声認識パーザ
- 汎用的な情報検索音声対話プラットフォーム
- 音声対話によるソフトウェアサポートタスクのための効率的な確認戦略(音声, 聴覚)
- 2ZN-1 ポスター会話中の音リアクションイベントに基づくホットスポットの抽出(情報爆発時代における対話インタラクション,学生セッション,「情報爆発」時代に向けた新IT基盤技術,情報処理学会創立50周年記念(第72回)全国大会)
- 英語韻律発音学習支援システムのための英語文強勢のモデル化と自動検出
- CALLシステムのための英語文強勢知覚のモデル化
- 講演音声認識のための音響・言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- 講演音声認識のための音響・言語モデルの検討
- 講演ディクテーションのための話題独立言語モデルと話題適応
- 講演ディクテーションのための話題独立言語モデルと話題適応
- 複合的言語制約に基づくキーフレーズ検出を用いた汎用的なデータベース検索音声対話プラットフォーム
- 音声言語を用いた仮想空間との対話による試着システム(次世代ヒューマンインタフェース・インタラクション)
- 音声言語を用いた仮想空間との対話による試着システム
- 京大総合情報メディアセンターにおけるCALLの試み
- 京大総合情報メディアセンターにおけるCALLの試み
- 京大総合情報メディアセンターにおけるCALLの試み
- 話し言葉音声認識のための汎用的な統計的発音変動モデル(音声, 聴覚)
- 『日本語話し言葉コーパス』を用いた汎用的な発音変動モデルの統計的学習(音声言語情報処理一般)(テーマ:音声対話システム、音声言語情報処理、一般)
- 多数話者モデルを用いた討論音声の教師なし話者インデキシング(音声,聴覚)
- 談話標識の抽出に基づいた講演音声の自動インデキシング(音声言語情報処理とその応用)
- 複数特徴の重み付き統合による雑音に頑健な発話区間検出(音声,聴覚)
- 複数特徴の重み付き統合による雑音に頑健な発話区間検出(耐雑音)
- 日本人の誤りパターンの対判別を利用した英語発音教示システム
- フォルマント構造推定による日本人用英語発音教示システム
- 機器操作マニュアルの知識と構造を利用した音声対話ヘルプシステム(音声言語情報処理とその応用)
- 2X-9 マルチメディア講義情報を用いたWBT教材作成
- 4U-1 講義の自動アーカイビングシステムの構築
- 音声対話システムにおける適応的な応答生成を行うためのユーザモデル(音声,聴覚)
- ユーザモデルを導入したバス運行情報案内システムの実験的評価
- LF-2 バス運行情報案内システムにおけるユーザモデルを用いた適応的応答の生成(F. 音声・音楽)
- 述語項の類似度に基づく情報抽出・推薦を行う音声対話システム
- 大語彙連続音声認識に適した語彙の再構成
- ゆう度基準による分析周期・窓長の自動選択手法を用いた発話速度の補正と音響モデルの構築
- 会議音声の自動アーカイブ化システム
- 会議音声の自動アーカイブ化システム
- 会議音声の自動アーカイブ化システム
- 発話速度に依存したデコーディングと音響モデルの適応
- 発話速度に依存したデコーディングと音響モデルの適応、
- 発話速度に依存したデコーディングと音響モデルの適応
- 大語彙連続音声認識における認識誤り原因の自動同定
- 情報コンシェルジェ : Mind Probingに基づくマルチモーダルインタラクションシステム(「コミュニケーションと気づき」及び一般)
- 携帯情報端末用メモパッドと固有名詞の音声入力方式
- 単語トレリスインデックスを用いた大語彙連続音声認識エンジンJULIUS
- 定位情報と音色情報を用いた複数楽器音の認識