JP2017161825A - 音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム - Google Patents
音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム Download PDFInfo
- Publication number
- JP2017161825A JP2017161825A JP2016048243A JP2016048243A JP2017161825A JP 2017161825 A JP2017161825 A JP 2017161825A JP 2016048243 A JP2016048243 A JP 2016048243A JP 2016048243 A JP2016048243 A JP 2016048243A JP 2017161825 A JP2017161825 A JP 2017161825A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- noise
- unspecified
- voice
- voices
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000003860 storage Methods 0.000 claims description 86
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 36
- 238000004088 simulation Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
Images
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
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/20—Pattern transformations or operations aimed at increasing system robustness, e.g. against channel noise or different working conditions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
Description
上記のように、従来、話者を識別する話者識別装置において、入力された話者の音声に雑音が含まれている場合、正しく話者を識別することが困難であった。そこで、例えば特許文献1では、ニューラルネットワークを用いた話者認識システムにおいて、学習パターンに雑音を重畳し、擬似的にパターンの数を増やすことにより認識率の向上を図っている。
図1は、本実施の形態1における話者識別装置の構成を示す図である。話者識別装置は、例えば、テレビ、スマートホン又はカーナビゲーション装置などに内蔵される。
図10は、本実施の形態2における話者識別装置の構成を示す図である。話者識別装置は、例えば、テレビ、スマートホン又はカーナビゲーション装置などに内蔵される。
図13は、本実施の形態3における話者識別装置の構成を示す図である。話者識別装置は、例えば、テレビ、スマートホン又はカーナビゲーション装置などに内蔵される。
図15は、本実施の形態4における話者識別装置の構成を示す図である。話者識別装置は、例えば、テレビ、スマートホン又はカーナビゲーション装置などに内蔵される。
2 学習処理部
3 話者識別処理部
11 不特定話者音声格納部
12 雑音格納部
13 雑音重畳部
14 UBM生成部
15 UBM格納部
16 音声入力部
17 個人モデル生成部
18 個人モデル格納部
19 話者識別部
20 音圧調整部
21 雑音入力部
Claims (9)
- 識別対象話者を識別するための個人用音声辞書を生成するために用いられる不特定話者音声辞書を生成する音声辞書生成方法であって、
複数の不特定話者の音声を取得し、
所定の場所における雑音を取得し、
前記複数の不特定話者の音声に前記雑音を重畳し、
前記雑音を重畳した前記複数の不特定話者の音声の特徴量から前記不特定話者音声辞書を生成する、
音声辞書生成方法。 - 前記複数の不特定話者の音声の音圧に基づいて前記雑音の音圧を調整し、
音圧を調整した前記雑音を前記複数の不特定話者の音声に重畳する、
請求項1記載の音声辞書生成方法。 - 前記複数の不特定話者の音声の平均音圧と前記雑音の音圧との音圧差が所定の値となるように前記雑音の音圧を調整する、
請求項2記載の音声辞書生成方法。 - 前記個人用音声辞書を学習する処理において、前記識別対象話者の音声を取得し、
取得した前記識別対象話者の音声と、生成した前記不特定話者音声辞書とを用いて前記個人用音声辞書を生成し、
前記識別対象話者を識別する処理において、前記識別対象話者の音声を取得し、
生成した前記個人用音声辞書と、取得した前記識別対象話者の音声とを用いて、前記識別対象話者を識別し、
前記識別対象話者の識別に失敗した場合、前記所定の値が大きくなるように変更する、
請求項3記載の音声辞書生成方法。 - 前記複数の不特定話者の音声を予め格納する不特定話者音声格納部から前記複数の不特定話者の音声を取得し、
前記雑音を予め格納する雑音格納部から前記雑音を取得する、
請求項1〜4のいずれか1項に記載の音声辞書生成方法。 - 前記識別対象話者を識別する場所の周囲環境の雑音を収集し、収集した前記雑音を前記雑音格納部に格納する、
請求項5記載の音声辞書生成方法。 - 周波数特性がそれぞれ異なる複数の雑音を取得し、
前記複数の不特定話者の音声に前記複数の雑音を重畳する、
請求項1〜4のいずれか1項に記載の音声辞書生成方法。 - 識別対象話者を識別するための個人用音声辞書を生成するために用いられる不特定話者音声辞書を生成する音声辞書生成装置であって、
複数の不特定話者の音声を取得するとともに、所定の場所における雑音を取得し、前記複数の不特定話者の音声に前記雑音を重畳する重畳部と、
前記雑音が重畳された前記複数の不特定話者の音声の特徴量から前記不特定話者音声辞書を生成する生成部と、
を備える音声辞書生成装置。 - 識別対象話者を識別するための個人用音声辞書を生成するために用いられる不特定話者音声辞書を生成する音声辞書生成プログラムであって、
複数の不特定話者の音声を取得するとともに、所定の場所における雑音を取得し、前記複数の不特定話者の音声に前記雑音を重畳する重畳部と、
前記雑音が重畳された前記複数の不特定話者の音声の特徴量から前記不特定話者音声辞書を生成する生成部としてコンピュータを機能させる、
音声辞書生成プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016048243A JP6721365B2 (ja) | 2016-03-11 | 2016-03-11 | 音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム |
US15/418,230 US9959873B2 (en) | 2016-03-11 | 2017-01-27 | Method for generating unspecified speaker voice dictionary that is used in generating personal voice dictionary for identifying speaker to be identified |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016048243A JP6721365B2 (ja) | 2016-03-11 | 2016-03-11 | 音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017161825A true JP2017161825A (ja) | 2017-09-14 |
JP6721365B2 JP6721365B2 (ja) | 2020-07-15 |
Family
ID=59788005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016048243A Active JP6721365B2 (ja) | 2016-03-11 | 2016-03-11 | 音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9959873B2 (ja) |
JP (1) | JP6721365B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3437939A1 (en) | 2017-08-03 | 2019-02-06 | Panasonic Intellectual Property Corporation of America | Vehicle control apparatus, vehicle control method, and recording medium storing program |
JP2019216408A (ja) * | 2018-06-08 | 2019-12-19 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 情報を出力するための方法、及び装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10964329B2 (en) * | 2016-07-11 | 2021-03-30 | FTR Labs Pty Ltd | Method and system for automatically diarising a sound recording |
FR3104797B1 (fr) * | 2019-12-17 | 2022-01-07 | Renault Sas | Procede d’identification d’au moins une personne a bord d’un vehicule automobile par analyse vocale |
US20220148600A1 (en) * | 2020-11-11 | 2022-05-12 | Rovi Guides, Inc. | Systems and methods for detecting a mimicked voice input signal |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05143094A (ja) | 1991-11-26 | 1993-06-11 | Sekisui Chem Co Ltd | 話者認識システム |
US6990446B1 (en) * | 2000-10-10 | 2006-01-24 | Microsoft Corporation | Method and apparatus using spectral addition for speaker recognition |
US7219058B1 (en) * | 2000-10-13 | 2007-05-15 | At&T Corp. | System and method for processing speech recognition results |
US20030033143A1 (en) * | 2001-08-13 | 2003-02-13 | Hagai Aronowitz | Decreasing noise sensitivity in speech processing under adverse conditions |
US9275638B2 (en) * | 2013-03-12 | 2016-03-01 | Google Technology Holdings LLC | Method and apparatus for training a voice recognition model database |
-
2016
- 2016-03-11 JP JP2016048243A patent/JP6721365B2/ja active Active
-
2017
- 2017-01-27 US US15/418,230 patent/US9959873B2/en active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3437939A1 (en) | 2017-08-03 | 2019-02-06 | Panasonic Intellectual Property Corporation of America | Vehicle control apparatus, vehicle control method, and recording medium storing program |
US10604111B2 (en) | 2017-08-03 | 2020-03-31 | Panasonic Intellectual Property Corporation Of America | Vehicle control apparatus, vehicle control method, and recording medium storing program |
JP2019216408A (ja) * | 2018-06-08 | 2019-12-19 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 情報を出力するための方法、及び装置 |
US11006179B2 (en) | 2018-06-08 | 2021-05-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for outputting information |
Also Published As
Publication number | Publication date |
---|---|
JP6721365B2 (ja) | 2020-07-15 |
US9959873B2 (en) | 2018-05-01 |
US20170263257A1 (en) | 2017-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6596376B2 (ja) | 話者識別方法及び話者識別装置 | |
JP6721365B2 (ja) | 音声辞書生成方法、音声辞書生成装置及び音声辞書生成プログラム | |
CN107910011B (zh) | 一种语音降噪方法、装置、服务器及存储介质 | |
CN106663446B (zh) | 知晓用户环境的声学降噪 | |
US7454340B2 (en) | Voice recognition performance estimation apparatus, method and program allowing insertion of an unnecessary word | |
US20110301953A1 (en) | System and method of multi model adaptation and voice recognition | |
CN104079247A (zh) | 均衡器控制器和控制方法 | |
CN104080024A (zh) | 音量校平器控制器和控制方法 | |
CN108780645A (zh) | 对通用背景模型和登记说话者模型进行文本转录适配的说话者验证计算机*** | |
JP2016075740A (ja) | 音声処理装置、音声処理方法、およびプログラム | |
JP4246703B2 (ja) | 自動音声認識の方法 | |
Ba et al. | BaNa: A hybrid approach for noise resilient pitch detection | |
Tao et al. | Bimodal Recurrent Neural Network for Audiovisual Voice Activity Detection. | |
JPWO2018051945A1 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
KR20190024148A (ko) | 음성 인식 장치 및 음성 인식 방법 | |
CN112185342A (zh) | 语音转换与模型训练方法、装置和***及存储介质 | |
JP6468258B2 (ja) | 音声対話装置および音声対話方法 | |
AU2012367084B2 (en) | Adaptation of a classification of an audio signal in a hearing aid | |
JP5936378B2 (ja) | 音声区間検出装置 | |
KR20150107520A (ko) | 음성인식 방법 및 장치 | |
JP2019053180A (ja) | 音響処理装置、音声認識装置、音響処理方法、音声認識方法、音響処理プログラム及び音声認識プログラム | |
KR20140035164A (ko) | 음성인식시스템의 동작방법 | |
JP2013235050A (ja) | 情報処理装置及び方法、並びにプログラム | |
JP2011013383A (ja) | オーディオ信号補正装置及びオーディオ信号補正方法 | |
KR101732399B1 (ko) | 스테레오 채널을 이용한 음향 검출 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200204 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200324 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200609 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200618 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6721365 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |