CN1705367A - 信息处理设备和信息处理方法 - Google Patents
信息处理设备和信息处理方法 Download PDFInfo
- Publication number
- CN1705367A CN1705367A CNA2005100742337A CN200510074233A CN1705367A CN 1705367 A CN1705367 A CN 1705367A CN A2005100742337 A CNA2005100742337 A CN A2005100742337A CN 200510074233 A CN200510074233 A CN 200510074233A CN 1705367 A CN1705367 A CN 1705367A
- Authority
- CN
- China
- Prior art keywords
- acoustic information
- data
- information
- speech recognition
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 12
- 238000003672 processing method Methods 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims 4
- 230000006870 function Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 20
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 208000024754 bloodshot eye Diseases 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 201000005111 ocular hyperemia Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
- H04N1/00326—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a data reading, recognizing or recording apparatus, e.g. with a bar-code apparatus
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
- H04N1/00204—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2101/00—Still video cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3225—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of data relating to an image, a page or a document
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3261—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of multimedia information, e.g. a sound signal
- H04N2201/3264—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of multimedia information, e.g. a sound signal of sound signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3274—Storage or retrieval of prestored additional information
- H04N2201/3277—The additional information being stored in the same storage device as the image data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Circuits Of Receivers In General (AREA)
- Input Circuits Of Receivers And Coupling Of Receivers And Audio Equipment (AREA)
- Communication Control (AREA)
Abstract
一种信息处理设备包括:接收单元,用于接收与数据相关的声音信息;设置单元,用于设置是否将由接收单元接收的声音信息设置为预定处理的对象;和存储单元,用于在存储媒体上与声音信息和表示设置单元的设置结果的信息相关地存储所述数据。
Description
技术领域
本发明涉及一种能够使用与数据相关的声音信息来处理数据的信息处理设备。
背景技术
当前,许多数字照相机都具有允许和所拍摄的图像一起输入语音信息的功能。存在多种建议,用于使用附加于图像的语音信息来提供有效的图像组织功能和搜索所期望图像的搜索功能。例如,在日本专利公开文本JP 9-135417中公开了一种使用添加给使用数字照相机拍摄的图像的语音信息在数字照相机上搜索和组织图像的方法。在日本专利公开文本JP 2003-111009中公开了一种在编辑设备中通过识别和使用添加给图像的语音信息来搜索、组织和处理图像的方法。
尽管在上述常规技术中,当搜索、组织和处理图像时对添加给所拍摄图像的所有声音信息执行语音识别,但是声音信息并不仅限于语音,也可以是并不需要语音识别的其它声音,例如用于所拍摄图像的声音效果和环境声音(例如水流的声音、风的声音、等等)等。除语音之外的声音的识别是非常困难的,并可能导致增加的不正确的声音识别。在对除了语音之外的声音执行语音识别处理的情况下,很难将语音识别结果用于搜索和组织图像。
也就是说,在使用声音信息来处理数据的情况下,因为在声音信息中包含多种声音类型,很难适当地执行数据处理。
发明内容
本发明涉及一种能够使用与数据相关的声音信息执行高速和准确的数据处理(例如数据搜索、语音识别、声音分类、等等)的信息处理设备。
在本发明的一个方面,一种信息处理设备包括:接收单元,用来接收与数据相关的声音信息;设置单元,用来设置由接收单元接收的声音信息是否要经过预定处理;和存储单元,在存储媒体上与声音信息和表示设置单元的设置的信息相关地存储数据。
在本发明的另一个方面,一种信息处理设备包括:接收单元,用来接收与数据相关的声音信息;设置单元,用来设置是否将由接收单元接收的声音信息设置为语音识别对象;和存储单元,在设置单元将声音信息设置为语音识别对象的情况下,在存储媒体上与表示声音信息的语音识别结果的信息相关地存储数据,和在设置单元未将声音信息设置为语音识别对象的情况下,在存储媒体上与未执行语音识别的声音信息相关地存储数据。
在本发明的又一方面,一种信息处理设备包括:接收单元,用来接收数据、与数据相关的声音信息和表示是否将该声音信息用于数据搜索的设置信息;和搜索单元,用来根据声音信息搜索与设置用于数据搜索的设置信息对应的声音信息相关的数据。
在本发明的又一方面,一种信息处理设备包括:接收单元,用来接收数据、与该数据相关的声音信息和表示是否将声音信息设置为语音识别对象的设置信息;语音识别单元,在设置信息设置为语音识别对象的情况下对声音信息执行语音识别;和存储单元,在存储媒体上与该数据相关地存储表示语音识别单元的语音识别结果的信息。
在本发明的另外一个方面,一种信息处理设备包括:接收单元,用来接收数据、与该数据相关的声音信息和表示是否将声音信息设置为声音分类对象的设置信息;分类单元,在设置信息设置为声音分类对象的情况下,将声音信息分类成声音属性;和存储单元,在存储媒体上与数据相关地存储分类单元分类的声音属性。
根据对示范性实施例的下述描述(参考附图),本发明的其它特征和优点将变得显而易见。
附图说明
图1是根据本发明一种实施例的图像搜索设备的方框图。
图2是图示实现该实施例的图像搜索处理的控制程序模块的方框图。
图3是图示该实施例的图像搜索处理的流程图。
图4A和图4B是包含本发明的数字照相机的透视图。
图5是图示图像搜索处理的控制程序模块的方框图,所述控制程序模块具有用于将与图像相关的声音存储为语音识别对象的功能和用于在存储媒体上与图像相关地存储除了语音识别对象之外的声音属性的功能。
图6是图示图像搜索处理的流程图,所述图像搜索处理包括将与图像相关的声音存储为语音识别对象,和在存储媒体上与图像相关地存储除了语音识别对象之外的声音属性。
图7是实现图像搜索处理的控制程序模块的方框图,所述控制程序模块具有自动地鉴别与图像相关的声音是否是语音的功能。
图8是图示图像搜索过程的流程图,所述图像搜索过程包括自动地鉴别与图像相关的声音是否是语音的处理。
图9是实现图像搜索处理的控制程序模块的方框图,所述控制程序具有自动地鉴别与该图像相关的声音是否是语音的功能和用于在存储媒体上与该图像相关地存储除了语音识别对象之外的声音属性的功能。
图10是图示图像搜索处理过程的流程图,所述图像搜索处理包括自动地鉴别与该图像相关的声音是否是语音,和在存储媒体上与该图像相关地存储除了语音识别对象之外的声音属性。
图11是图示使用环境声音识别实现声音分类的处理的流程图。
具体实施方式
在下文中,将使用附图解释本发明的实施例。在下文中,将本发明的信息处理设备描述为图像搜索设备,它使用与图像数据相关的声音信息搜索图像数据。
图1是根据本发明一种实施例的图像搜索设备的方框图。
声音输入单元101允许使用麦克风等输入声音。操作单元102允许使用按钮、键盘等输入信息。控制单元103使用CPU和存储器(RAM、ROM)等控制设备的各个单元。
图像输入单元104允许使用包含透镜、CMOS传感器等的光设备或扫描仪输入图像。信息显示单元105使用液晶显示器等显示信息。外部存储单元106使用CF卡、SD存储器或硬盘等存储信息。总线107将上述单元连接在一起。
【第一实施例】
图2是实现本发明第一实施例的图像搜索处理的控制程序模块的方框图。
图像输入模块201通过图像输入单元104执行图像的输入处理,将所输入的图像转换成数据,并将数据输出给控制单元103。类似地,声音输入模块202通过声音输入单元101执行声音的输入处理,将所输入的声音转换成数据,并将数据输出给控制单元103。控制单元103接收声音信息。附加信息输入模块203将附加信息转换成数据,并将数据输出给控制单元103。附加信息包括用户通过操作单元102输入的设置信息和由图像输入单元104输出的图像的相关信息。而且,在图像数据生成模块204中,由每个模块输出的数据相互关联,并通过称作图像数据的框架存储在外部存储单元106内。
控制单元103控制语音识别模块205。语音识别模块205读取由图像数据生成模块204生成的图像数据。而且,语音识别模块205根据附加信息获取设定信息,该设定信息表示与图像相关的声音是否是语音识别对象。此外,语音识别模块205对作为语音识别对象的声音执行语音识别。将识别结果存储在外部存储单元106内,并与该图像相关。图像搜索模块206执行语音识别结果与用户通过操作单元102输入的关键词的匹配,并在信息显示单元上105显示搜索结果,从而通知用户。
图3是图示该实施例的图像搜索处理的流程图。
首先,在步骤S301中,通过执行图像输入模块201输入图像,并获取图像数据。
接着,在步骤S302中,确定是否记录声音。在为所获取的图像记录声音的情况下,通过执行声音输入模块202启动声音的记录。在不记录声音的情况下,该流程前进到步骤S306。可以在步骤S301的图像获取之前执行是否记录声音的设定。
随后,在步骤S303中,将所记录的声音转换成数据。在步骤S304中,确定所记录的声音是否是语音识别对象。在将所记录的声音设置为语音识别对象的情况下,该流程前进到步骤S305。反之,在并未将所记录的声音设置为语音识别对象的情况下,它前进到步骤S306。在步骤S305,作为附加信息生成设置信息,它表示是否使声音作为语音识别对象。由用户使用操作单元102输入该设置信息。
在步骤S306,执行附加信息输入模块203。获取由用户设置的附加信息和在设备中生成的用于该图像的附加信息。
在步骤S307,执行图像数据生成模块204。相互关联所输入的图像、声音和附加信息。输出所关联的数据作为图像数据。此外,将该图像数据存储在外部存储单元106内。尽管在上述实施例中将图像、声音和附加信息作为一组连续地记录,但也可以将它们分别记录在存储媒体上的独立区域内。在这种情况下,给每个数据提供链接数据。
在步骤S308,读取在步骤S307获得的图像数据,并确定与该图像相关的声音是否是语音识别对象。在与该图像相关的声音是语音识别对象的情况下,该流程前进到步骤S309。在它不是语音识别对象的情况下,因为图像数据不是图像搜索对象,该处理结束。
在步骤S309,通过执行语音识别模块205对与该图像相关的声音执行语音识别。而且,在外部存储单元106内与图像数据相关地存储识别结果。
最后,在步骤S310,通过执行图像搜索模块206,使用在步骤S309获得的语音识别结果执行图像搜索,并使用信息显示单元105显示搜索结果。随后,该处理结束。
作为图像搜索的方法,提取与通过语音输入或操作单元102的键盘输入的搜索信息基本一致的语音识别结果,并从外部存储单元106读取与所提取的语音识别结果相关的图像。
具有数字照相机或扫描仪功能等的图像输入设备能够执行该处理的各个步骤,诸如个人计算机等的另一个信息处理设备可以执行步骤S308或随后的步骤。
图4A和图4B图示数字照相机外壳401的后视图。参考标号402表示麦克风;参考标号403表示液晶显示器;和参考标号404表示快门按钮。参考标号405和406表示按钮。在该实施例中,将按钮205分配作为“语音注释按钮”,并将按钮406分配作为“记录按钮”。通过按下按钮405,可以记录用于语音识别的声音,通过按下按钮406,可以记录并不执行语音识别的声音。
作为另一个例子,通过分配如图4B所示的单个按钮407作为“语音识别按钮”,通过按下按钮407,可以使图像成为语音识别对象。可以将半按压单个按钮407分配给能够记录并非语音识别对象的声音的功能。如果按钮具有按压的范围,则半按压按钮涉及将按钮按下到低于完全按压范围的状态,并将按钮按压维持在此状态上。
因而,根据该实施例,当声音与图像相关时,用户能够确定该声音是否用作语音识别对象。也就是,在图3所示的***中,能够任意地确定由用户记录的声音是否用作通过语音识别的搜索对象。如此,在使用语音识别的图像搜索设备中,预先排除了不需要语音识别的声音,从而提高了图像搜索的速度。
【修改例】
图11是图示使用环境声音识别进行声音分类的处理的流程图。该修改例的模块的配置将图2的语音识别模块205替换为环境声音识别模块。
首先,在步骤S301-1中,通过执行图像输入模块201输入图像,并获取图像数据。
接着,在步骤S302-1中,确定是否为所获得图像记录声音。在为所获得的图像记录声音的情况下,通过执行声音输入模块202启动声音的记录。在并不记录声音的情况下,该处理前进到步骤S306-1。可以在获取图像之前执行是否记录声音的设定。
随后,在步骤S303-1中,根据所记录的声音生成声音数据。在步骤S304-1中,确定所记录的声音是否是分类对象。在所记录的声音是分类对象的情况下,该处理前进到步骤S305-1。反之,在所记录的声音不是分类对象的情况下,该处理前进到步骤S306-1。在步骤S305-1中,作为附加信息生成表示是否使声音作为分类对象的设置信息。由用户使用操作单元102输入该设置信息。
在步骤S306-1,执行附加信息输入模块203。获得由用户设置的附加信息和在设备中生成的用于该图像的附加信息。
在步骤S307-1,执行图像数据生成模块204。相互关联所输入的图像、声音和附加信息。输出所关联的数据作为图像数据,将其存储在外部存储单元106内。尽管在上述实施例中将图像、声音和附加信息作为一组连续地记录,但是也可以将它们分别记录在存储媒体上的独立区域内。在上述情况下,给每个数据提供链接数据。
在步骤S308-1,读取在步骤S307-1获得的图像数据,随后确定与该图像相关的声音是否是分类对象。在与该图像相关的声音是分类对象的情况下,该处理前进到步骤S309-1。在它不是分类对象的情况下,因为图像数据不是图像搜索的对象,所以该处理结束。
在步骤S309-1中,通过执行环境声音识别模块,分析和分类作为分类对象的与该图像相关的声音。将分类结果作为声音属性与图像数据相关地存储在外部存储单元106内。
获取声音属性的方法为每个环境声音提供声学模型,环境声音例如水流的声音和风的声音。与语音识别类似地,执行声音的特征量与声学模型之间的匹配处理,并将具有最佳匹配的声学模型的环境声音的分类名称表示为该声音的声音属性。
最后,在步骤S310-1中,通过执行图像搜索模块206,使用在步骤S309-1获得的环境声音识别结果来执行图像搜索,并使用信息显示单元105显示搜索结果。该处理结束。
作为图像搜索的方法,提取与通过语音输入或操作单元102的键盘输入的搜索信息基本一致的声音属性,并从外部存储单元106读取与所提取的声音属性相关的图像。
因而,根据该实施例,当声音与图像相关时,用户能够确定是否将该声音用作环境声音识别的对象。也就是,在图11所示的处理中,可以任意地确定是否将用户记录的声音用作通过环境声音识别的搜索对象。通过如此执行,在使用环境声音识别的图像搜索设备中,能够预先排除其中不需要环境声音识别的与声音相关的图像,并能够获得在图像搜索速度上的改善。
【第二实施例】
在第一实施例中,并不处理在与图像相关的声音中并非语音识别对象的声音。在第二实施例中,通过分类与图像相关的声音,分析并非语音识别对象的声音,生成声音属性,将描述通过使用声音属性执行图像搜索的方法。
图5是图示用于图像搜索处理的控制程序模块的方框图,该控制程序具有用于将与图像相关的声音存储为语音识别识别对象的功能和用于在存储媒体上与图像相关地存储除了语音识别对象之外的声音属性的功能。第二实施例的模块配置是在图2的模块配置上增加了环境声音识别模块501的配置,因此,在图5中将使用相同的参考标号。
环境声音识别模块501分析不是语音识别对象的声音,生成该声音的声音属性,例如水流的声音和风的声音。模块501是将声音属性与图像相关的模块。
图6是图示控制程序的图像搜索处理的流程图,该控制程序具有用于将与图像相关的声音存储为语音识别对象的功能和用于在存储媒体上与图像相关地存储除了语音识别对象之外的声音属性的功能。
首先,在步骤S601,通过执行图像输入模块201输入图像,并获得图像数据。
接着,在步骤S602,确定是否为所获得的图像记录声音。在为所获得图像记录声音的情况下,通过执行声音输入模块202启动声音的记录。在并不记录声音的情况下,该处理前进到步骤S606。可以在获取图像之前执行是否记录声音的设定。
随后,在步骤S603,根据所记录的声音生成数据。在步骤S604,确定所记录的声音是否是语音识别对象。在所记录的声音是语音识别对象的情况下,该处理前进到步骤S605。反之,在所记录的声音并非语音识别对象的情况下,该处理前进到步骤S606。在步骤S605,作为附加信息生成表示是否能够使声音作为语音识别对象的设置信息。用户使用操作单元102输入该设置信息。
在步骤S606,执行附加信息输入模块203。获得由用户设置的附加信息和在设备内生成的用于该图像的附加信息。
在步骤S607,执行图像数据生成模块204。相互关联所输入的图像、声音和附加信息。输出相关联的数据作为图像数据,并将图像数据存储在外部存储单元106内。尽管在上述实施例中作为一组连续地记录图像、声音和附加信息,但是也可以将它们分别记录在存储媒体上的独立区域内。在上述情况下,给每个数据提供链接数据。
在步骤S608,读取在步骤S607获得的图像数据,并确定是否存在与该图像相关的声音。如果与该图像相关的声音并不存在,则该处理结束。如果声音与该图像相关,则该处理前进到步骤S609。
在步骤S609,读取与该图像相关的附加信息,并确定与该图像相关的声音是否是语音识别对象。如果与该图像相关的声音是语音识别对象,则该处理前进到步骤S610,如果它不是语音识别对象,则该处理前进到步骤S611。
在步骤S610,通过执行语音识别模块205对与该图像相关的声音执行语音识别,并将识别结果与图像数据相关地存储在外部存储单元106内。
在步骤S611,通过执行环境声音识别模块501分析和分类并非语音识别对象的与图像相关的声音。随后,将分类结果作为声音属性与该图像数据相关地存储在外部存储单元106内。
获取声音属性的方法为诸如水流的声音和风的声音等每种环境声音建立声学模型。而且,与语音识别类似地,执行声音特征量和声学模型之间的匹配处理。将表示最佳匹配的声学模型的环境声音的分类名称表示为该声音的声音属性。
最后,在步骤S612,通过执行图像搜索模块206,使用在步骤S610中获得的语音识别结果或在步骤S611中获得的环境声音识别结果,执行图像搜索。使用信息显示单元105显示搜索结果。随后,该处理结束。
作为图像搜索方法,提取与通过语音输入或操作单元102的键盘输入的搜索信息基本上一致的语音识别结果或声音属性,并从外部存储单元106中读取与所提取的语音识别结果或声音属性相关的图像。
安装有数字照相机、扫描仪等的图像输入设备能够执行所有的上述步骤,诸如个人计算机的另一个信息处理设备可以执行步骤S608及随后的步骤。
因而,根据该实施例,当声音与图像相关时,用户可以设置是否将该声音用作语音识别对象。而且,在该实施例中,在声音不是语音识别对象的情况下,通过给该声音提供属性,可以将该声音设置为搜索对象。因此,与该声音相关的所有图像变成搜索对象。此外,因为用于搜索的不必要的语音识别是可以省略的,所以能够改善使用语音识别的图像搜索设备的方便性,并能够实现搜索速度上的提高。
【第三实施例】
在第一和第二实施例中,通过用户按钮的操作等任意地使与图像相关的声音成为语音识别对象。在第三实施例中,鉴别语音与声音。自动地鉴别语音识别对象的声音,并描述使用鉴别结果搜索图像的方法。
图7是实现具有自动地鉴别与图像相关的声音是否是语音的功能的图像搜索处理的控制程序模块的方框图。
第三实施例将声音鉴别模块701添加给图2的模块,因此,在图7中将使用与图2相同的参考标号。
声音鉴别模块701是自动地鉴别与图像相关的声音信息是否是语音,并输出与该图像相关的表示鉴别结果的附加信息的模块。
图8是图示具有自动地鉴别与该图像相关的声音是否是语音的功能的控制程序的图像搜索处理的流程图。
首先,在步骤S801,通过执行图像输入模块201输入图像,并获得图像数据。
接着,在步骤S802,确定是否为所获得的图像记录声音。在为所获得的图像记录声音的情况下,通过执行声音输入模块202启动声音的记录。在不记录声音的情况下,该处理前进到步骤S804。可以在获取图像之前执行是否记录声音的设定。
随后,在步骤S803,根据所记录的声音生成数据。在步骤S804,执行附加信息输入模块203。获取由用户设置的附加信息和在设备中生成的用于该图像的附加信息。
在步骤S805,执行图像数据生成模块204。相互关联所输入的图像、声音和附加信息。输出相关的数据作为图像数据,并将该图像数据存储在外部存储单元106内。尽管在上述实施例中作为一组连续地记录图像、声音和附加信息,但是也可以将它们分别记录在存储媒体上的独立区域内。在上述情况下,给每个数据提供链接数据。
在步骤S806,读取在步骤S805获得的图像数据,并确定是否存在与该图像相关的声音。如果并不存在与该图像相关的声音,则该处理结束。如果声音与该图像相关,则该处理前进到步骤S807。
在步骤S807,通过执行声音鉴别模块701,鉴别与该图像相关的声音是否是语音。
在下文中解释自动地鉴别语音的方法的例子。例如,使用利用各种语音建立的语音声学模型和利用环境声音建立的环境声音的声学模型,对与该图像相关的声音执行语音识别。在语音声学模型的匹配高于环境声音的声学模型的情况下,将该声音确定为语音
作为另外一个例子,能够鉴别与包含人物的图像相关的声音。下面是确定在图像内是否包含人物的方法:
1)根据照相模式(例如,红眼校正模式,人物照相模式)确定在图像内是否包含人物;
2)图像识别。
在步骤S808,根据步骤S807的鉴别结果自动地确定声音是否是语音识别对象。从搜索对象中排除与非语音的声音相关的图像数据。在语音与图像数据相关的情况下,该处理前进到步骤S809。
在步骤S809,通过执行语音识别模块205对与该图像相关的声音执行语音识别,并将识别结果与图像数据相关地存储在外部存储单元106内
最后,在步骤S810,通过执行图像搜索模块206,使用在步骤S809获得的语音识别结果执行图像搜索,并使用信息显示单元105显示搜索结果。随后,该处理结束。
作为图像搜索的方法,提取与通过语音输入或操作单元102的键盘输入的搜索信息基本上一致的语音识别结果,并从外部存储单元106读取与所提取的语音识别结果相关的图像。
安装有数字照相机、扫描仪等的图像输入设备可以执行所有上述步骤,诸如个人计算机等的另一个信息处理设备可以执行步骤S806及随后的步骤。
因而,根据该实施例,因为该实施例的图像搜索设备能够自动地确定是否将与图像相关的声音用作语音识别对象,所以能够自动地选出搜索对象的图像。因此,例如,减少了用于语音识别的用户输入处理。因为自动地排除了并不必需执行语音的图像,所以能够明显地提高使用语音识别的图像搜索设备的方便性。
【第四实施例】
在第三实施例中,通过鉴别与图像相关的声音,自动地区别语音识别对象的声音。在第四实施例中,通过分类与该图像相关的声音,分析并非语音识别对象的声音,生成声音属性,并描述使用声音属性执行图像搜索的方法。
图9是实现图像搜索处理的控制程序模块的方框图,该控制程序模块具有自动地鉴别与图像相关的声音是否是语音的功能和在存储媒体上与图像相关地存储除了语音识别对象之外的声音的属性的功能。第四实施例的模块将图5的环境声音识别模块501添加给图7的模块。因此,将使用相同的参考标号。
图10是图示控制程序的图像搜索处理的流程图,该控制程序具有自动地鉴别与图像相关的声音是否是语音的功能和用于在存储媒体上与图像相关地存储除了语音识别对象之外的声音的属性的功能。
首先,在步骤S1001,通过执行图像输入模块201输入图像,并获取图像数据。
接着,在步骤S1002,确定是否为所获得图像记录声音。在为所获得的图像记录声音的情况下,通过执行声音输入模块202启动声音的记录。在并不记录声音的情况下,该处理前进到步骤S1004。可以在获取图像之前执行是否记录声音的设定。
随后,在步骤S1003,根据所记录的声音生成数据。在步骤S1004,执行附加信息输入模块203。获得由用户设置的附加信息和在设备内生成的用于该图像的附加信息。
在步骤S1005,执行图像数据生成模块204。相互关联所输入的图像、声音和附加信息。输出相关联的数据作为图像数据,并将图像数据存储在外部存储单元106内。尽管在上述实施例中作为一组连续地记录图像、声音和附加信息,但是也可以将它们分别记录在存储媒体上的独立区域内。在上述情况下,给每个数据提供链接数据。
在步骤S1006中,读取在步骤S1005获得的图像数据,并确定是否存在与该图像相关的声音。如果与该图像相关的声音并不存在,则该处理结束。如果声音与该图像相关,则该处理前进到步骤S1007。
在步骤S1007,通过执行声音鉴别模块701,鉴别与该图像相关的声音是否是语音。
在下文中解释自动鉴别语音的方法的例子。例如,使用利用各种语音建立的语音声学模型和利用环境声音建立的环境声音的声学模型,对与该图像相关的声音执行语音识别。在语音声学模型的匹配高于环境声音的声学模型的情况下,将该声音确定为语音。
作为另外一个例子,能够鉴别与包含人物的图像相关的声音。下面是确定在图像内是否包含人物的方法:
1)根据照相模式(例如,红眼校正模式、人物照相模式)确定在图像内是否包含人物;
2)图像识别。
在步骤S1008,根据步骤S1007的鉴别结果自动地确定声音是否是语音识别对象。在声音是除了语音之外的声音的情况下,该处理前进到步骤S1010。在声音是语音的情况下,该处理前进到步骤S1009。
在步骤S1009,通过执行语音识别模块205对与图像相关的声音执行语音识别,并将识别结果与图像数据相关地存储在外部存储单元106内。
在步骤S1010,通过执行环境声音识别模块501,分析和分类不是语音识别对象的与该图像相关的声音。将分类结果作为声音属性与该图像数据相关地存储在外部存储单元106内。
获取声音属性的方法为诸如水流的声音和风的声音等每一种环境声音建立声学模型。与语音识别类似地,执行声音的特征量和声学模型的匹配,并将表示最佳匹配的声学模型的环境声音的分类名称设置为该声音的声音属性。
最后,在步骤S1011,通过执行图像搜索模块206,使用在步骤S1009获得的语音识别结果或在步骤S1010获得的环境声音识别结果执行图像搜索,并使用信息显示单元105显示搜索结果。随后,该处理结束。
作为图像搜索的方法,提取与通过语音输入或操作单元102的键盘输入的搜索信息基本上一致的语音识别结果或声音属性,并从外部存储单元106读取与所提取的语音识别结果或声音属性相关的图像。
安装有数字照相机、扫描仪等的图像输入设备可以执行所有的上述步骤,诸如个人计算机等的另一个信息处理设备可以执行步骤S1006及随后的步骤。
因而,根据该实施例,因为该实施例的图像搜索设备能够自动地确定是否将与图像相关的声音用作语音识别对象,所以能够自动地选出搜索对象的图像。通过将声音属性添加给除了语音识别对象之外的声音,能够形成搜索对象。因此,例如,减少了用于语音识别的用户的输入处理。因为自动地排除了并不必需执行语音识别的图像,所有与声音相关的图像变成搜索对象,所以能够明显地提高使用语音识别的图像搜索设备的方便性。
【第五实施例】
在第四实施例中,尽管将声音鉴别模块701和环境声音识别模块501图示为独立模块(参见图9),但是并不必需分别提供这些模块。也可以提供单个模块,它对与图像相关的声音执行环境声音识别,并鉴别该声音是否是语音。例如,图10的步骤S1010可以包括在步骤S1007中,通过使用语音的声音模型和多个环境声音模型执行语音识别,能够同时执行声音鉴别和环境声音识别。
【第六实施例】
尽管第一至第五实施例通过例子将图像解释为与声音相关的数据,但是本发明并不仅仅限于图像。本发明也可以应用于所有的数字内容,例如文档和视频。
应当指出本发明可以应用于包括单个设备的装置或者应用于由多个设备组成的***。
此外,本发明可以通过将软件程序直接或间接地提供给***或设备来实现,所述软件程序执行上述实施例的功能,所述***或设备使用该***或设备的计算机读取所提供的程序代码,随后执行该程序代码。在这种情况下,只要该***或设备具有该程序的功能,则实现方式不需要取决于程序。
因此,在执行本发明的功能的计算机和在该计算机内安装的程序代码也实现了本发明。换句话说,本发明的权利要求书还涵盖了用于实现本发明的功能的计算机程序。
在这种情况下,只要***或设备具有该程序的功能,则该程序可以以任何形式执行,例如目标代码、由解释器执行的程序或提供给操作***的脚本数据。
可以用于提供程序的存储媒体的例子是软盘、硬盘、光盘、磁光盘、CD-ROM(压缩盘-只读存储器)、CD-R(CD-可记录)、CD-RW(CD-可重写)、磁带、非易失性存储卡、ROM和数字通用盘(例如DVD(DVD-ROM、DVD-R))。
至于提供该程序的方法,客户计算机可以使用客户计算机的浏览器连接到因特网上的网站,并可以将本发明的计算机程序或该程序的可自动安装的压缩文件下载到诸如硬盘的记录媒体上。此外,可以通过将构成该程序的程序代码划分成多个文件,并从不同的网站下载这些文件来提供本发明的程序。换句话说,本发明的权利要求书还涵盖了通过计算机将实现本发明功能的程序文件下载给多个用户的WWW(万维网)服务器。
还可以在诸如CD-ROM等存储媒体上加密和存储本发明的程序,将该存储媒体分发给用户,允许符合某些要求的用户通过因特网从网站下载解密密钥信息,并允许这些用户使用该密钥信息解密所加密的程序,从而将该程序安装在用户的计算机内。
除了由计算机执行所读取的程序来实现根据这些实施例的上述功能的情况之外,在计算机上运行的操作***等也可以执行全部或部分的实际处理,从而通过此处理能够实现上述实施例的功能。
此外,在将从存储媒体读取的程序写入***计算机内的功能扩展板或者写入在连接到计算机的功能扩展单元内提供的存储器之后,CPU或安装在功能扩展板或功能扩展单元上的类似设备执行全部或部分的实际处理,从而通过该处理能够实现上述实施例的功能。
因为在不脱离本发明的精神和范围的情况下,能够实现本发明的许多明显不同的实施例,应当理解本发明并不限制于它的具体实施例,除非如权利要求书所定义的。
本发明并不限制于上述实施例,可以在本发明的精神和范围内进行多种改变和修改。因此,为了向公众确定本发明的保护范围,提供了权利要求书。
Claims (18)
1.一种信息处理设备,包括:
接收单元,用来接收与数据相关的声音信息;
设置单元,用来设置由接收单元接收的声音信息是否要经过预定处理;和
存储单元,在存储媒体上与所述声音信息和表示设置单元的设置的信息相关地存储所述数据。
2.根据权利要求1的信息处理设备,其中预定处理包括数据搜索、语音识别和声音分类至少之一。
3.根据权利要求1的信息处理设备,其中预定处理为语音识别、所述信息处理设备还包括鉴别单元,用来鉴别由接收单元接收的声音信息是否是语音,其中,在响应于鉴别单元鉴别出所述声音信息是语音的情况下,设置单元将所述声音信息设置为语音识别对象。
4.根据权利要求3的信息处理设备,还包括第二设置单元,用来响应于鉴别单元鉴别出所述声音信息不是语音,将所述声音信息设置为声音分类的对象。
5.一种信息处理设备,包括:
接收单元,用来接收与数据相关的声音信息;
设置单元,用来设置是否将由接收单元接收的声音信息设置为语音识别对象;和
存储单元,在设置单元将所述声音信息设置为语音识别对象的情况下,在存储媒体上与表示该声音信息的语音识别结果的信息相关地存储所述数据,而在设置单元未将所述声音信息设置为语音识别对象的情况下,在存储媒体上与不执行语音识别的声音信息相关地存储所述数据。
6.一种信息处理设备,包括:
接收单元,用来接收数据、与该数据相关的声音信息和表示是否将该声音信息用于数据搜索的设置信息;和
搜索单元,用来根据该声音信息搜索与被设置用于数据搜索的设置信息对应的声音信息相关的数据。
7.一种信息处理设备,包括:
接收单元,用来接收数据、与该数据相关的声音信息和表示是否将该声音信息设置为语音识别对象的设置信息;
语音识别单元,在设置信息被设置为语音识别对象的情况下对所述声音信息执行语音识别;和
存储单元,在存储媒体上与该数据相关地存储表示语音识别单元的语音识别结果的信息。
8.一种信息处理设备,包括:
接收单元,用来接收数据、与该数据相关的声音信息和表示是否将该声音信息设置为声音分类对象的设置信息;
分类单元,在设置信息被设置为声音分类对象的情况下,将所述声音信息分类成声音属性;和
存储单元,在存储媒体上与该数据相关地存储由分类单元分类的声音属性。
9.一种信息处理方法,包括下述步骤:
接收步骤,接收与数据相关的声音信息;
设置步骤,设置在接收步骤中接收的声音信息是否要经过预定处理;和
存储步骤,在存储媒体上与所述声音信息和表示设置步骤的设置结果的信息相关地存储所述数据。
10.根据权利要求9的信息处理方法,其中预定处理包括数据搜索、语音识别和声音分类至少之一。
11.根据权利要求9的信息处理方法,其中预定处理是语音识别,该方法还包括鉴别步骤,鉴别在接收步骤中接收的声音信息是否是语音,以及其中,设置步骤包括:响应于鉴别步骤中鉴别出所述声音信息是语音,将所述声音信息设置为语音识别对象。
12.根据权利要求9的信息处理方法,还包括第二设置步骤,响应于在鉴别步骤中鉴别出所述声音信息不是语音,将所述声音信息设置为声音分类对象。
13.一种信息处理方法,包括下述步骤:
接收步骤,接收与数据相关的声音信息;
设置步骤,设置是否将在接收步骤中接收的声音信息设置为语音识别对象;和
存储步骤,在设置步骤中将所述声音信息设置为语音识别对象的情况下,在存储媒体上与表示所述声音信息的语音识别结果的信息相关地存储所述数据,而在设置步骤中未将所述声音信息设置为语音识别对象的情况下,在存储媒体上与不执行语音识别的声音信息相关地存储所述数据。
14.一种信息处理方法,包括下述步骤:
接收步骤,接收数据、与该数据相关的声音信息和表示是否将该声音信息用于数据搜索的设置信息;和
搜索步骤,根据该声音信息搜索与被设置用于数据搜索的设置信息对应的声音信息相关的数据。
15.一种信息处理方法,包括下述步骤:
接收步骤,接收数据、与该数据相关的声音信息和表示是否将该声音信息设置为语音识别对象的设置信息;
语音识别步骤,在设置信息被设置为语音识别对象的情况下对该声音信息执行语音识别;和
存储步骤,在存储媒体上与该数据相关地存储表示在语音识别步骤中执行的语音识别的结果的信息。
16.一种信息处理方法,包括下述步骤:
接收步骤,接收数据、与该数据相关的声音信息和表示是否将该声音信息设置为声音分类对象的设置信息;
分类步骤,在设置信息被设置为声音分类对象的情况下,将所述声音信息分类成声音属性;和
存储步骤,在存储媒体上与该数据相关地存储在分类步骤中分类的声音属性。
17.一种计算机程序,可以由计算机执行以执行根据权利要求9、13至16中任一项的图像处理方法。
18.一种存储根据权利要求17的程序的计算机可读存储媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004163362 | 2004-06-01 | ||
JP2004163362A JP4429081B2 (ja) | 2004-06-01 | 2004-06-01 | 情報処理装置及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1705367A true CN1705367A (zh) | 2005-12-07 |
CN100454388C CN100454388C (zh) | 2009-01-21 |
Family
ID=34941523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100742337A Expired - Fee Related CN100454388C (zh) | 2004-06-01 | 2005-05-31 | 信息处理设备和信息处理方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20050267749A1 (zh) |
EP (1) | EP1603028B1 (zh) |
JP (1) | JP4429081B2 (zh) |
KR (1) | KR100733095B1 (zh) |
CN (1) | CN100454388C (zh) |
AT (1) | ATE553430T1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509827B2 (en) | 2005-09-21 | 2013-08-13 | Buckyball Mobile Inc. | Methods and apparatus of context-data acquisition and ranking |
US8509826B2 (en) | 2005-09-21 | 2013-08-13 | Buckyball Mobile Inc | Biosensor measurements included in the association of context data with a text message |
US8275399B2 (en) | 2005-09-21 | 2012-09-25 | Buckyball Mobile Inc. | Dynamic context-data tag cloud |
US8489132B2 (en) | 2005-09-21 | 2013-07-16 | Buckyball Mobile Inc. | Context-enriched microblog posting |
US9166823B2 (en) * | 2005-09-21 | 2015-10-20 | U Owe Me, Inc. | Generation of a context-enriched message including a message component and a contextual attribute |
US9042921B2 (en) | 2005-09-21 | 2015-05-26 | Buckyball Mobile Inc. | Association of context data with a voice-message component |
US7697827B2 (en) | 2005-10-17 | 2010-04-13 | Konicek Jeffrey C | User-friendlier interfaces for a camera |
KR100856407B1 (ko) | 2006-07-06 | 2008-09-04 | 삼성전자주식회사 | 메타 데이터를 생성하는 데이터 기록 및 재생 장치 및 방법 |
JP5053950B2 (ja) * | 2008-07-29 | 2012-10-24 | キヤノン株式会社 | 情報処理方法、情報処理装置、プログラムおよび記憶媒体 |
US20120102066A1 (en) * | 2009-06-30 | 2012-04-26 | Nokia Corporation | Method, Devices and a Service for Searching |
US20110314401A1 (en) | 2010-06-22 | 2011-12-22 | Thermoteknix Systems Ltd. | User-Profile Systems and Methods for Imaging Devices and Imaging Devices Incorporating Same |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4951079A (en) * | 1988-01-28 | 1990-08-21 | Konica Corp. | Voice-recognition camera |
WO1995010915A1 (en) * | 1993-10-12 | 1995-04-20 | Orad, Inc. | Sports event video |
US5675390A (en) * | 1995-07-17 | 1997-10-07 | Gateway 2000, Inc. | Home entertainment system combining complex processor capability with a high quality display |
JPH09135417A (ja) * | 1995-11-10 | 1997-05-20 | Ricoh Co Ltd | デジタルスチルビデオカメラ |
US5960447A (en) * | 1995-11-13 | 1999-09-28 | Holt; Douglas | Word tagging and editing system for speech recognition |
US5930749A (en) * | 1996-02-02 | 1999-07-27 | International Business Machines Corporation | Monitoring, identification, and selection of audio signal poles with characteristic behaviors, for separation and synthesis of signal contributions |
US5903892A (en) * | 1996-05-24 | 1999-05-11 | Magnifi, Inc. | Indexing of media content on a network |
US5995936A (en) * | 1997-02-04 | 1999-11-30 | Brais; Louis | Report generation system and method for capturing prose, audio, and video by voice command and automatically linking sound and image to formatted text locations |
EP0996901A1 (de) * | 1997-07-23 | 2000-05-03 | Siemens Aktiengesellschaft | Verfahren zum abspeichern von suchmerkmalen einer bildsequenz |
US6128446A (en) * | 1997-12-11 | 2000-10-03 | Eastman Kodak Company | Method and apparatus for annotation of photographic film in a camera |
US20020036694A1 (en) * | 1998-05-07 | 2002-03-28 | Merril Jonathan R. | Method and system for the storage and retrieval of web-based educational materials |
US6714909B1 (en) * | 1998-08-13 | 2004-03-30 | At&T Corp. | System and method for automated multimedia content indexing and retrieval |
JP3252282B2 (ja) * | 1998-12-17 | 2002-02-04 | 松下電器産業株式会社 | シーンを検索する方法及びその装置 |
US6462778B1 (en) * | 1999-02-26 | 2002-10-08 | Sony Corporation | Methods and apparatus for associating descriptive data with digital image files |
US6434520B1 (en) * | 1999-04-16 | 2002-08-13 | International Business Machines Corporation | System and method for indexing and querying audio archives |
US6442518B1 (en) * | 1999-07-14 | 2002-08-27 | Compaq Information Technologies Group, L.P. | Method for refining time alignments of closed captions |
JP4320487B2 (ja) * | 1999-09-03 | 2009-08-26 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム格納媒体 |
US7053938B1 (en) * | 1999-10-07 | 2006-05-30 | Intel Corporation | Speech-to-text captioning for digital cameras and associated methods |
KR100367824B1 (ko) * | 2000-02-18 | 2003-01-10 | 주식회사 메세지 베이 아시아 | 인터넷을 통한 컨텐츠 서비스 방법 |
US6499016B1 (en) * | 2000-02-28 | 2002-12-24 | Flashpoint Technology, Inc. | Automatically storing and presenting digital images using a speech-based command language |
US6901362B1 (en) * | 2000-04-19 | 2005-05-31 | Microsoft Corporation | Audio segmentation and classification |
KR20000058970A (ko) * | 2000-07-07 | 2000-10-05 | 손종모 | 동영상 정보제공과 검색 방법 |
WO2002019147A1 (en) * | 2000-08-28 | 2002-03-07 | Emotion, Inc. | Method and apparatus for digital media management, retrieval, and collaboration |
US6760042B2 (en) * | 2000-09-15 | 2004-07-06 | International Business Machines Corporation | System and method of processing MPEG streams for storyboard and rights metadata insertion |
US6738427B2 (en) * | 2000-09-15 | 2004-05-18 | International Business Machines Corporation | System and method of processing MPEG streams for timecode packet insertion |
US6934756B2 (en) * | 2000-11-01 | 2005-08-23 | International Business Machines Corporation | Conversational networking via transport, coding and control conversational protocols |
CN1175398C (zh) * | 2000-11-18 | 2004-11-10 | 中兴通讯股份有限公司 | 一种从噪声环境中识别出语音和音乐的声音活动检测方法 |
JP2002223401A (ja) * | 2001-01-29 | 2002-08-09 | Fuji Photo Film Co Ltd | デジタルカメラのデータ処理方法 |
US6970185B2 (en) * | 2001-01-31 | 2005-11-29 | International Business Machines Corporation | Method and apparatus for enhancing digital images with textual explanations |
US7221405B2 (en) * | 2001-01-31 | 2007-05-22 | International Business Machines Corporation | Universal closed caption portable receiver |
US7013273B2 (en) * | 2001-03-29 | 2006-03-14 | Matsushita Electric Industrial Co., Ltd. | Speech recognition based captioning system |
US6820055B2 (en) * | 2001-04-26 | 2004-11-16 | Speche Communications | Systems and methods for automated audio transcription, translation, and transfer with text display software for manipulating the text |
US20020184196A1 (en) * | 2001-06-04 | 2002-12-05 | Lehmeier Michelle R. | System and method for combining voice annotation and recognition search criteria with traditional search criteria into metadata |
JP4240867B2 (ja) * | 2001-09-28 | 2009-03-18 | 富士フイルム株式会社 | 電子アルバム編集装置 |
JP2003204282A (ja) * | 2002-01-07 | 2003-07-18 | Toshiba Corp | 無線通信機能付きヘッドセット、これを用いたコミュニケーション記録システム、およびコミュニケーション制御方式を選択可能なヘッドセットシステム |
US7165029B2 (en) * | 2002-05-09 | 2007-01-16 | Intel Corporation | Coupled hidden Markov model for audiovisual speech recognition |
US6693663B1 (en) * | 2002-06-14 | 2004-02-17 | Scott C. Harris | Videoconferencing systems with recognition ability |
CN1188804C (zh) * | 2002-11-15 | 2005-02-09 | 郑方 | 一种声纹识别方法 |
US6834265B2 (en) * | 2002-12-13 | 2004-12-21 | Motorola, Inc. | Method and apparatus for selective speech recognition |
US7324943B2 (en) * | 2003-10-02 | 2008-01-29 | Matsushita Electric Industrial Co., Ltd. | Voice tagging, voice annotation, and speech recognition for portable devices with optional post processing |
GB2409365B (en) * | 2003-12-19 | 2009-07-08 | Nokia Corp | Image handling |
US20050192808A1 (en) * | 2004-02-26 | 2005-09-01 | Sharp Laboratories Of America, Inc. | Use of speech recognition for identification and classification of images in a camera-equipped mobile handset |
-
2004
- 2004-06-01 JP JP2004163362A patent/JP4429081B2/ja not_active Expired - Fee Related
-
2005
- 2005-05-27 US US11/139,261 patent/US20050267749A1/en not_active Abandoned
- 2005-05-31 KR KR1020050046243A patent/KR100733095B1/ko active IP Right Grant
- 2005-05-31 CN CNB2005100742337A patent/CN100454388C/zh not_active Expired - Fee Related
- 2005-05-31 EP EP05253344A patent/EP1603028B1/en not_active Not-in-force
- 2005-05-31 AT AT05253344T patent/ATE553430T1/de active
Also Published As
Publication number | Publication date |
---|---|
JP4429081B2 (ja) | 2010-03-10 |
EP1603028A2 (en) | 2005-12-07 |
KR20060066597A (ko) | 2006-06-16 |
JP2005346259A (ja) | 2005-12-15 |
EP1603028B1 (en) | 2012-04-11 |
CN100454388C (zh) | 2009-01-21 |
KR100733095B1 (ko) | 2007-06-27 |
EP1603028A3 (en) | 2008-11-12 |
ATE553430T1 (de) | 2012-04-15 |
US20050267749A1 (en) | 2005-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1705367A (zh) | 信息处理设备和信息处理方法 | |
CN1214306C (zh) | 便携式信息处理设备和信息处理方法 | |
CN1908965A (zh) | 信息处理装置及其方法和程序 | |
US20070236583A1 (en) | Automated creation of filenames for digital image files using speech-to-text conversion | |
CN1929535A (zh) | 成像装置、图像处理装置、图像处理方法及计算机程序 | |
CN1893610A (zh) | 信号处理装置,信号处理方法,程序和记录介质 | |
CN1534590A (zh) | 显示处理装置、显示控制方法及显示处理程序 | |
CN1819638A (zh) | 图像记录装置 | |
CN1894740A (zh) | 信息处理***、信息处理方法以及信息处理用程序 | |
CN1779830A (zh) | 记录装置和方法、记录介质及其所用的程序 | |
CN1856065A (zh) | 动画处理装置 | |
CN1679056A (zh) | 可用最佳的重放模式重放内容的内容重放装置 | |
CN1946124A (zh) | 图像处理*** | |
CN1862698A (zh) | 信息处理***、信息生成装置及方法、信息处理装置及方法、程序 | |
CN1926532A (zh) | 能用给定的访问方法进行数据发送的数据处理装置 | |
JP4854704B2 (ja) | データ処理装置、音声変換方法および音声変換プログラム | |
CN1382288A (zh) | 用于有效概览和浏览的视频概要描述方案和生成视频概要描述数据的方法和*** | |
CN1943212A (zh) | 会话支持***与会话支持方法 | |
JP2009171176A (ja) | 再生装置およびその制御方法並びにプログラム | |
CN1677401A (zh) | 控制资源的文件管理方法和设备及其信息记录介质 | |
CN1835112A (zh) | 数据获取装置、数据获取方法以及程序 | |
CN1820240A (zh) | 对背景图像进行设定的信息处理装置、信息显示方法及程序 | |
CN1955966A (zh) | 服务器设备、数据处理方法、程序、及通信方法 | |
CN1921620A (zh) | 视频处理设备和对象识别方法 | |
CN1870073A (zh) | 数据再生装置、数据编辑装置、数据编辑装置用程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090121 Termination date: 20210531 |