DE19540859A1 - Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch - Google Patents
Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem TonsignalgemischInfo
- Publication number
- DE19540859A1 DE19540859A1 DE1995140859 DE19540859A DE19540859A1 DE 19540859 A1 DE19540859 A1 DE 19540859A1 DE 1995140859 DE1995140859 DE 1995140859 DE 19540859 A DE19540859 A DE 19540859A DE 19540859 A1 DE19540859 A1 DE 19540859A1
- Authority
- DE
- Germany
- Prior art keywords
- components
- speech components
- sound signal
- word
- speech
- 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.)
- Withdrawn
Links
- 230000005236 sound signal Effects 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000000203 mixture Substances 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims 1
- 210000002569 neuron Anatomy 0.000 description 8
- 210000004556 brain Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- 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
- G10L15/04—Segmentation; Word boundary detection
- G10L15/05—Word boundary detection
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/44—Receiver circuitry for the reception of television signals according to analogue transmission standards
- H04N5/60—Receiver circuitry for the reception of television signals according to analogue transmission standards for the sound signals
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- 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
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
Description
Die Erfindung betrifft ein Verfahren zur Entfernung
unerwünschter Sprachkomponenten aus einem Tonsignalgemisch nach
dem Oberbegriff des Anspruchs 1.
Bei Übertragung von Sportveranstaltungen wünschen manche
Fernsehzuschauer, lediglich die Originalgeräuschkulisse zu
hören, während der Kommentar eines Kommentators als störend
empfunden wird. Sofern es sich um eine Stereoübertragung
handelt, könnte der Kommentatorton zwar durch Differenzbildung
der Signale der beiden Stereokanäle eliminiert werden, durch
diese Maßnahme wird aber auch das Originalgeräusch bei Signalen
verfälscht, die aus der Mitte kommen.
Der Erfindung liegt die Aufgabe zugrunde, Sprachkomponenten, die
einem Tonsignal zugefügt wurden, unter Beibehaltung des
ursprünglichen Tonsignals aus dem Tonsignalgemisch zu entfernen.
Diese Aufgabe wird bei einem Verfahren nach dem Oberbegriff des
Anspruchs 1 durch die im kennzeichnenden Teil angegebenen
Merkmale gelöst.
Die erfindungsgemäße Lösung basiert auf der Überlegung, daß der
Kommentatorton charakteristische Merkmale aufweist, wie z. B.
typische Spektralkomponenten, in denen er sich von dem
ursprünglichen Tonsignal im Tonsignalgemisch unterscheidet. Mit
diesen Merkmalen gelingt daher eine hinreichende Beschreibung
des Kommentatortons, ohne dabei sämtliche Wörter oder
Wortkombinationen kennen zu müssen.
Die Wort- und/oder Satzgrenzen der Sprachkomponenten können
durch Auswertung der Signalenergie und der Nulldurchgangsrate
des analogen Tonsignalgemisches ermittelt werden. Damit gelingt
es, die Zahl und Länge der Musterdatensätze zu begrenzen und
kurze Rechen- und Reaktionszeiten zu erzielen.
Vorzugsweise wird die Analyse der Sprachkomponenten und der
Vergleich mit Musterdatensätzen durch neuronale Netze
durchgeführt. Neuronale Netze arbeiten ähnlich wie das
menschliche Gehirn und zeichnen sich aufgrund der parallelen
Arbeitsweise durch Echtzeitfähigkeit, Abstraktion und
Lernfähigkeit aus.
Nachfolgend wird das erfindungsgemäße Verfahren anhand der
Zeichnung erläutert. In dieser zeigt:
Fig. 1 ein einfaches Blockschaltbild und,
Fig. 2 ein Flußdiagramm zur Durchführung des Verfahrens.
Fig. 1 zeigt den Tonsignalweg eines Fernsehempfängers, mit einem
ein neuronales Netz umfassenden Signalprozessor. An den Eingang
des Signalprozessors gelang das im Fernsehsignal enthaltene
Tonsignalgemisch. Der Signalprozessor welcher durch ein
Steuersignal der Fernbedienung des Fernsehempfängers ein- und
ausschaltbar ist, eliminiert im eingeschalteten Zustand eine
Sprachkomponente aus einem Tonsignalgemisch, die dem
ursprünglichen Tonsignal zugemischt wurde.
Fig. 2 zeigt ein Flußdiagramm zur Durchführung des Verfahrens.
In einem ersten Verfahrensschritt werden aus dem Tonsignal
Wortgrenzen der Sprachkomponenten ermittelt, indem die
Signalenergie und der Nulldurchgangsrate des analogen
Tonsignalgemisches ausgewertet wird. In einem zweiten
Verfahrensschritt werden typische Merkmale der Sprachkomponenten
analysiert. Dies kann durch eine Verarbeitung des
digitalisierten Tonsignals im Zeit- oder Frequenzbereich
erfolgen. In einer ein- oder mehrmaligen Lernphase als drittem
Verfahrensschritt werden Parameter gewonnen, die den
Informationsgehalt der Sprachkomponenten mit einem Minimum an
Redundanz repräsentieren. Diese Parameter bestimmen den
Merkmalsvektor, der das Sprachsignal für einen bestimmten
Zeitabschnitt beschreibt, und werden als Musterdatensätze in
einem vierten Verfahrensschritt gespeichert.
Sobald eine Datei mit ausreichend Musterdatensätzen vorhanden
ist, müssen die Verfahrensschritte drei und vier nicht
wiederholt werden.
In einem fünften Verfahrensschritt werden nun die laufend
analysierten Merkmale mit den Musterdatensätzen verglichen und
in einem sechsten Verfahrensschritt werden bei Übereinstimmung
oder Ähnlichkeit mit gespeicherten Musterdatensätzen die im
Tonsignalgemisch vorhandenen Sprachkomponenten mit inversen
Sprachkomponenten gewichtet. Dadurch werden die unerwünschten
Sprachkomponenten eliminiert, so daß nur noch das ursprüngliche
Tonsignal erhalten bleibt.
Die Verfahrensschritte zwei bis sechs werden mittels eines
neuronalen Netzes durch geführt. Ein neuronales Netz besteht aus
einer Vielzahl gleichartiger Elemente, die sowohl Informationen
speichern, sie verarbeiten als auch weiterleiten, und zwar tun
sie dies prinzipiell alle gleichzeitig. Die Elemente werden als
Neuronen in Analogie zu den Nervenzellen bezeichnet. Es gibt
Netze, die vollständig verbunden sind oder Schichtenmodelle.
Beim Schichtenmodell gibt es mehrere Ebenen, die das Netz
untergliedern. In der Eingangsschicht sind die Eingänge der
Neuronen mit der Außenwelt verbunden. Sie dienen der Eingabe von
Daten in das Netz. Die Ausgänge der Neuronen der ersten Schicht
sind mit den Neuronen der zweiten Schicht verbunden, deren
Ausgänge mit den Eingängen der dritten Schicht. Ist die dritte
Schicht die letzte Schicht, dann sind die Ausgänge der dritten
Schicht gleichzeitig die Ausgänge des Netzes.
Die Neuronen gewichten die Eingangssignale individuell. Die
Gewichtung entspricht einem Multiplikationsfaktor, dessen
Vorzeichen zugleich Erregung oder Hemmung verkörpert.
Die Gewichtungsfaktoren sind zunächst zufällig initialisiert.
Ein solches neuronales Netz kann die Lösung einer gewünschten
Aufgabe, also im Anwendungsbeispiel die Elimination von
unerwünschten Sprachkomponenten aus einem Tonsignalgemisch
lernen, indem an die Eingänge des Netzes verschiedene gültige
Eingangszustände angelegt werden. Im Anwendungsbeispiel handelt
es sich um Sprachkomponenten, ursprüngliche Tonsignale ohne
Sprachkomponenten und Tonsignalgemische aus ursprünglichen
Tonsignalen mit Sprachkomponenten. Die Ausgangszustände
entsprechen anfangs noch nicht den gewünschten Größen. Dann
werden die Gewichtungsfaktoren solange geändert, bis das
Ergebnis dem gewünschten ähnlicher wird oder ihm entspricht,
also das ursprüngliche Tonsignal ohne Sprachkomponenten
erscheint. Dies wird mit verschiedenen Eingangszuständen
wiederholt. Ein mögliches Verfahren zur Ermittlung der
notwendigen Veränderungen im Netz ist die Fehlerrückführung.
Dabei wird die Differenz aus dem jeweiligen Ausgangssignal eines
Ausgangsneurons und seinem Sollwert gebildet und so zur
Veränderung der Parameter des Neurons und der Neuronen
angewendet, von denen es seine Signale erhält.
Claims (3)
1. Verfahren zur Entfernung unerwünschter Sprachkomponenten aus
einem Tonsignalgemisch, dadurch gekennzeichnet, daß Wort-
und/oder Satzgrenzen der Sprachkomponenten ermittelt werden,
daß die innerhalb der ermittelten Wort- und/oder Satzgrenzen
liegenden Sprachkomponenten auf Merkmale analysiert werden,
daß in einer ein- oder mehrmaligen Lernphase die Merkmale,
die den Informationsgehalt der Sprachkomponenten mit einem
Minimum an Redundanz repräsentieren, als Musterdatensätze
gespeichert werden und daß in einer Betriebsphase die
laufend analysierten Merkmale mit den Musterdatensätzen
verglichen werden und bei Übereinstimmung oder Ähnlichkeit
mit inversen Sprachkomponenten gewichtet werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die
Wort- und/oder Satzgrenzen der Sprachkomponenten durch
Auswertung der Signalenergie und der Nulldurchgangsrate des
analogen Tonsignalgemisches ermittelt werden.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet,
daß die Analyse der Sprachkomponenten und der Vergleich mit
Musterdatensätzen durch neuronale Netze durchgeführt wird.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1995140859 DE19540859A1 (de) | 1995-11-03 | 1995-11-03 | Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1995140859 DE19540859A1 (de) | 1995-11-03 | 1995-11-03 | Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19540859A1 true DE19540859A1 (de) | 1997-05-28 |
Family
ID=7776456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1995140859 Withdrawn DE19540859A1 (de) | 1995-11-03 | 1995-11-03 | Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19540859A1 (de) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2796486A1 (fr) * | 1999-07-16 | 2001-01-19 | Ibm | Procedes et dispositifs pour substituer une voix synthetisee dynamiquement a des vocabulaires identifies automatiquement |
DE10020756B4 (de) * | 2000-04-27 | 2004-08-05 | Harman Becker Automotive Systems (Becker Division) Gmbh | Vorrichtung und Verfahren zum geräuschabhängigen Anpassen eines akustischen Nutzsignals |
WO2006018532A1 (fr) * | 2004-07-23 | 2006-02-23 | Colliard Isabel Helene Isabo | Oscillateur de compensation electrochimique pour la protection biologique des organismes vivants |
EP1939859A3 (de) * | 2006-12-25 | 2013-04-24 | Yamaha Corporation | Vorrichtung und Verfahren zur Verarbeitung von Tonsignalen |
DE102020134752A1 (de) | 2020-12-22 | 2022-06-23 | Digi Sapiens - Digital Learning GmbH | Verfahren zum bewerten der qualität des vorlesens eines texts, computerprogrammprodukt, computerlesbares medium und bewertungsvorrichtung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3149134C2 (de) * | 1980-12-19 | 1987-05-07 | At & T Technologies, Inc., New York, N.Y. | Verfahren und Vorrichtung zur Bstimmung von Endpunkten eines Sprachausdrucks |
DE3211313C2 (de) * | 1981-03-27 | 1988-06-16 | At & T Technologies, Inc., New York, N.Y., Us | |
DE4120308A1 (de) * | 1991-06-20 | 1992-12-24 | Standard Elektrik Lorenz Ag | Einrichtung und verfahren zum erkennen von sprache |
DE4306508A1 (de) * | 1993-03-03 | 1994-09-08 | Philips Patentverwaltung | Verfahren und Anordnung zum Ermitteln von Wörtern in einem Sprachsignal |
DE3236832C2 (de) * | 1981-10-05 | 1995-10-19 | Exxon Corp | Verfahren und Gerät zur Sprachanalyse |
-
1995
- 1995-11-03 DE DE1995140859 patent/DE19540859A1/de not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3149134C2 (de) * | 1980-12-19 | 1987-05-07 | At & T Technologies, Inc., New York, N.Y. | Verfahren und Vorrichtung zur Bstimmung von Endpunkten eines Sprachausdrucks |
DE3211313C2 (de) * | 1981-03-27 | 1988-06-16 | At & T Technologies, Inc., New York, N.Y., Us | |
DE3236832C2 (de) * | 1981-10-05 | 1995-10-19 | Exxon Corp | Verfahren und Gerät zur Sprachanalyse |
DE4120308A1 (de) * | 1991-06-20 | 1992-12-24 | Standard Elektrik Lorenz Ag | Einrichtung und verfahren zum erkennen von sprache |
DE4306508A1 (de) * | 1993-03-03 | 1994-09-08 | Philips Patentverwaltung | Verfahren und Anordnung zum Ermitteln von Wörtern in einem Sprachsignal |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2796486A1 (fr) * | 1999-07-16 | 2001-01-19 | Ibm | Procedes et dispositifs pour substituer une voix synthetisee dynamiquement a des vocabulaires identifies automatiquement |
DE10020756B4 (de) * | 2000-04-27 | 2004-08-05 | Harman Becker Automotive Systems (Becker Division) Gmbh | Vorrichtung und Verfahren zum geräuschabhängigen Anpassen eines akustischen Nutzsignals |
WO2006018532A1 (fr) * | 2004-07-23 | 2006-02-23 | Colliard Isabel Helene Isabo | Oscillateur de compensation electrochimique pour la protection biologique des organismes vivants |
EP1939859A3 (de) * | 2006-12-25 | 2013-04-24 | Yamaha Corporation | Vorrichtung und Verfahren zur Verarbeitung von Tonsignalen |
DE102020134752A1 (de) | 2020-12-22 | 2022-06-23 | Digi Sapiens - Digital Learning GmbH | Verfahren zum bewerten der qualität des vorlesens eines texts, computerprogrammprodukt, computerlesbares medium und bewertungsvorrichtung |
DE102020134752B4 (de) | 2020-12-22 | 2023-04-20 | Digi Sapiens - Digital Learning GmbH | Verfahren zum bewerten der qualität des vorlesens eines texts, computerprogrammprodukt, computerlesbares medium und bewertungsvorrichtung |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3510660C2 (de) | ||
DE2659096C2 (de) | ||
DE69013738T2 (de) | Einrichtung zur Sprachcodierung. | |
DE2919085A1 (de) | Vorverarbeitungsverfahren und -vorrichtung fuer eine spracherkennungsvorrichtung | |
DE2524804A1 (de) | Verfahren und vorrichtung zur automatischen spracherkennung | |
EP1523719A2 (de) | Vorrichtung und verfahren zum charakterisieren eines informationssignals | |
DE2622423C3 (de) | Elektrische Anordnung zur Übertragung oder Speicherung eines Sprachoder Tonsignals in kodierter Form | |
EP1280138A1 (de) | Verfahren zur Analyse von Audiosignalen | |
DE3043516C2 (de) | Verfahren und Vorrichtung zur Spracherkennung | |
DE69629934T2 (de) | Umgekehrte transform-schmalband/breitband tonsynthese | |
WO2005122135A1 (de) | Vorrichtung und verfahren zum umsetzen eines informationssignals in eine spektraldarstellung mit variabler auflösung | |
DE4328752B4 (de) | Spracherkennungssystem | |
DE2949582A1 (de) | Verfahren und anordnung zur bestimmung der tonhoehe in menschlicher sprache | |
DE3018508A1 (de) | Sprachanalysiervorrichtung | |
DE69430034T2 (de) | Digitale Signalverarbeitungseinrichtung | |
DE3226637C2 (de) | Vorrichtung zur Erzeugung eines künstlichen Nachhalls | |
DE2355640A1 (de) | Anordnung zur spektralanalyse von elektrischen signalen | |
DE102004028693B4 (de) | Vorrichtung und Verfahren zum Bestimmen eines Akkordtyps, der einem Testsignal zugrunde liegt | |
DE19540859A1 (de) | Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch | |
DE3226619C2 (de) | ||
DE69427726T2 (de) | Quantisierungsgerät | |
DE2657430A1 (de) | Einrichtung zum synthetisieren der menschlichen sprache | |
DE4124493C1 (de) | ||
DE3335026A1 (de) | Digitale datenverarbeitungsschaltung | |
WO1987003995A1 (en) | Process for speech recognition in a noisy environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8139 | Disposal/non-payment of the annual fee |