JP2019053180A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2019053180A JP2019053180A JP2017177022A JP2017177022A JP2019053180A JP 2019053180 A JP2019053180 A JP 2019053180A JP 2017177022 A JP2017177022 A JP 2017177022A JP 2017177022 A JP2017177022 A JP 2017177022A JP 2019053180 A JP2019053180 A JP 2019053180A
- Authority
- JP
- Japan
- Prior art keywords
- target area
- voice
- outside
- feature amount
- determination model
- 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 description 29
- 238000003672 processing method Methods 0.000 title claims description 3
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 description 43
- 239000013598 vector Substances 0.000 description 36
- 230000005236 sound signal Effects 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 241001125929 Trisopterus luscus Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012706 support-vector machine 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
-
- 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
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
Description
(第1の実施形態)
図1は、第1の実施形態に係る音響処理装置100を搭載したテレビ200の他、電話機300、椅子400が配置された部屋を表している。テレビ200には、表示画面の上部左右と下部中央にそれぞれ音響処理装置100のマイクロフォン101、102、103が搭載されている。本実施形態の音響処理装置100は、ユーザが発声した音声コマンドをマイクロフォン101〜103で集音し、その集音結果を音声認識してテレビ200を制御する機能を備えている。この環境下では、音響処理装置100において、電話機300のベルの音や電話機300で会話する人の音声が音声コマンドと誤って認識され、テレビ200が誤動作する恐れがある。そこで、本実施形態に係る音響処理装置100では、初期設定モードで部屋の中で音声認識領域から除外したい位置を目的エリア外として登録しておき、運用モードで、その登録位置からの音声を排除し、それ以外の位置からの音声を認識するように制御する。
図2において、マイクロフォン101,102,103は、それぞれテレビ200の下部中央、上部左右に装備される。
まず、ユーザがテレビ200を操作して音声認識の初期設定モードに設定すると、テレビ200は音響処理装置100に音声認識の初期設定モードの通知を送信する。音響処理装置100において、制御部104は、初期設定モードの通知を受けると(ステップS11)、スイッチ105を初期設定側に接続し(ステップS12)、テレビ200の表示画面に「コマンド発声の認識領域から除外したい位置で、テレビに向かってお話しください」という目的エリア外での発声要求メッセージを表示させる(ステップS13)。
例えば、ユーザが目的エリア内の椅子400に座って、テレビ200に対する操作のための音声コマンドとして「今晩8時に予約」と発声したとする。このとき、目的エリア外特徴量記憶部108には類似する特徴量が存在しないため、判定モデル記憶部110に記憶されている判定モデルでは、集音された音声の特徴量に相当する特徴量が得られない。その結果、音声検出部112ではユーザの発声位置は目的エリア内と判定される。これにより、音声検出部112では「今晩8時に予約」と発声された音声が切り出され、音声認識部113から「今晩8時に予約」というテキストが出力される。このように本実施形態では、音声認識結果に基づいて、録画予約を起動するなどのテレビの操作を行うことができる。
まず、判定モデルを特徴ベクトルのセントロイドx-で表す手法について説明する。判定モデルx-は次式で求められ、判定モデル記憶部110に記憶される。
音声検出部112では、入力信号の特徴量のうち、音量(パワー)などのパラメータを用いて音声が存在すると推定される区間を特定し、当該区間の特徴ベクトルyk (1≦k≦K)を求める。ただし、Kは当該区間のフレーム数(特徴ベクトルの個数)を表す。特徴ベクトルykのセントロイドを次式のy-で表すと、判定はy-とx-との距離に基づいて行わる。
すなわち、予め設定された閾値dと比較して、|y--x-|<dであれば目的エリア外と判定して当該区間は削除し、それ以外であれば目的エリア内と判定して、雑音除去部111から出力された音声のうち、当該区間に対応する音声を切り出して出力する。あるいは、ykとx-とを比較して、フレーム毎に判定を行うようにしてもよい。この場合は、目的エリア外と判定されたフレームの割合が一定以上であれば当該区間の全てを削除してもよいし、目的エリア外と判定されたフレームのみを削除してもよい。
ここで、N(x|μm ,σm )は、平均μm 、分散σm のガウス分布を表している。Mは、予め定めた混合数である。特徴ベクトルxn(1≦n≦N)を学習データとして、その確率分布を表すモデルパラメータπm ,μm ,σm (m=1,…,M)を学習する。パラメータの学習には、EMアルゴリズムなど既存の手法を用いることができる。このようにして求められたモデルパラメータは、判定モデル記憶部110に記憶される。
次に、図4を参照して第2の実施形態に係る音響処理装置の構成について説明する。図4において、図2と機能が同じ構成要素については同一の符号をつけて説明を省略する。
本実施形態では、目的エリア外の音声に加えて目的エリア内の音声を用いて判定モデルを学習する点が第1の実施形態と異なっている。すなわち、本実施形態では、音声認識しない目的エリア外の特徴量抽出・蓄積処理を行う第1初期設定モード(以下、第1モード、第1の実施形態と同様の初期設定モード)と、音声認識の目的エリア内の特徴量抽出・蓄積処理を行う第2初期設定モード(以下、第2モード)とを備え、ユーザがテレビ200を操作して音声認識の初期設定を指示した場合に、第1モードと第2モードを順に選択処理するようになされている。
まず、ユーザがテレビ200を操作して音声認識の初期設定モードに設定すると、テレビ200は音響処理装置100に音声認識の初期設定モードの通知を送信する。音響処理装置100において、制御部104は、初期設定モードの通知を受けると(ステップS41)、スイッチ105を初期設定側に、スイッチ114を第1モード側に接続し(ステップS42)、テレビ200の表示画面に「コマンド発声の認識領域から除外したい位置で、テレビに向かってお話しください」という目的エリア外での発声要求メッセージを表示させる(ステップS43)。
例えば、ユーザが目的エリア内の椅子400に座って、テレビ200に対する操作のための音声コマンドとして「今晩8時に予約」と発声したとする。このとき、目的エリア内特徴量記憶部115には類似する特徴量が記憶されているため、判定モデル記憶部117に記憶されている判定モデルでは、目的エリア内において、集音された音声の特徴量に相当する特徴量が得られる。その結果、音声検出部118ではユーザの発声位置は目的エリア内と判定される。これにより、音声検出部118では「今晩8時に予約」と発声された音声が切り出され、音声認識部113から「今晩8時に予約」というテキストが出力される。このように本実施形態では、音声認識結果に基づいて、録画予約を起動するなどのテレビの操作を行うことができる。
特徴ベクトルxn(1≦n≦Nout)および特徴ベクトルzn(1≦n≦Nin)を用いて、それぞれモデルパラメータπm ,μm ,σm (m=1,…,M)およびモデルパラメータπ’m ,μ’m ,σ’m (m=1,…,M)をEMアルゴリズムで学習し、求められたモデルパラメータを判定モデル記憶部117に記憶する。
(第3の実施形態)
以上述べた実施形態では、雑音除去部111には特徴量抽出部106に入力されるマイクロフォン101、102、103の集音信号が入力されるものとして説明したが、これ以外の構成も可能である。例えば3本のマイクロフォンのうち、いずれか1本または2本を雑音除去部111の入力として用いるようにしてもよい。あるいは、マイクロフォン101、102、103と別のマイクロフォンを1本以上用意し、それらを用いるようにしてもよい。あるいは、マイクロフォン101、102、103の一部または全部と、別に用意された1本以上のマイクロフォンを組み合わせて用いるようにしてもよい。目的エリア内外の判定に用いるマイクロフォンと音声認識の入力音声を集音するためのマイクロフォンでは、好適な特性や取り付け位置が異なる場合があることから、それぞれに適したマイクロフォンを用いるようにすればよい。
第1乃至第3の実施形態にかかる音響処理装置100は、CPU(Central Processing Unit)131などの制御装置と、ROM(Read Only Memory)132やRAM(Random Access Memory)133などの記憶装置と、マイクロホン101〜103,121〜125、操作入力装置、表示装置(テレビ)が接続される入出力I/F134と、ネットワークに接続して通信を行う通信I/F135と、各部を接続するバス136とを備えている。
第1乃至第3の実施形態に係る音響処理装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでCD−ROM(Compact Disk Read Only Memory)、フレキシブルディスク(FD)、CD−R(Compact Disk Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。
101〜103,121〜125…マイクロフォン、104…制御部、105…スイッチ、106…特徴量抽出部、107…音声特徴量抽出部、108…目的エリア外特徴量記憶部、109…判定モデル生成部、110…判定モデル記憶部、111…雑音除去部、112…音声検出部、113…音声認識部、114…スイッチ、115…目的エリア内特徴量記憶部、116…判定モデル生成部、117…判定モデル記憶部、118…音声検出部、131…CPU、132…ROM、133…RAM、134…入出力I/F、135…通信I/F、136…バス。
Claims (10)
- 目的エリア外が存在する空間の、互いに異なる位置に配置される複数の第1のマイクロフォンと、
前記複数の第1のマイクロフォンでそれぞれ集音された音声から特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部で抽出される前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成する判定モデル生成部と、
前記空間に配置される第2のマイクロフォンと、
前記第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力する音声検出部と
を有する音響処理装置。 - 前記判定モデル生成部は、前記空間に設定される目的エリア内で発声された音声の特徴量と、前記目的エリア外で発声された音声の特徴量とに基づいて、前記判定モデルの学習を行う請求項1記載の音響処理装置。
- 前記第2のマイクロフォンには、前記複数の第1のマイクロフォンのいずれか1つを用いる請求項1記載の音響処理装置。
- さらに、前記複数の第1のマイクロフォンの全部または一部で集音された音声から雑音を除去する雑音除去部を備え、
前記音声検出部は、前記雑音除去部で雑音を除去された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力する請求項1記載の音響処理装置。 - 前記音声検出部で検出された音声の内容を認識する認識部をさらに備える請求項1に記載の音響処理装置。
- 目的エリア外が存在する空間の、互いに異なる位置に配置される複数の第1のマイクロフォンと、
前記複数の第1のマイクロフォンでそれぞれ集音された音声から特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部で抽出される前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成する判定モデル生成部と、
前記空間に配置される第2のマイクロフォンと、
前記第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力する音声検出部と、
前記音声検出部で検出された音声の内容を認識する認識部と
を具備する音声認識装置。 - 目的エリア外が存在する空間の、互いに異なる位置に複数の第1のマイクロフォンを配置し、
前記複数の第1のマイクロフォンでそれぞれ集音された音声から、前記目的エリア外で発声された音声の特徴量を抽出し、
前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成し、
前記空間に第2のマイクロフォンを配置し、
前記第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力する音響処理方法。 - 目的エリア外が存在する空間の、互いに異なる位置に複数の第1のマイクロフォンを配置し、
前記複数の第1のマイクロフォンでそれぞれ集音された音声から、前記目的エリア外で発声された音声の特徴量を抽出し、
前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成し、
前記空間に第2のマイクロフォンを配置し、
前記第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力し、
前記検出された音声の内容を認識する音声認識方法。 - 音響処理をコンピュータに実行させるための音響処理プログラムであって、
目的エリア外が存在する空間の、互いに異なる位置に配置される複数の第1のマイクロフォンでそれぞれ集音された音声から、前記目的エリア外で発声された音声の特徴量を抽出する特徴量抽出ステップと、
前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成する判定モデル生成ステップと、
前記空間に配置される第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力する音声検出ステップと
を備える音響処理プログラム。 - 音声認識処理をコンピュータに実行させるための音声認識プログラムであって、
目的エリア外が存在する空間に配置される、互いに異なる位置に複数の第1のマイクロフォンでそれぞれ集音された音声から、前記目的エリア外で発声された音声の特徴量を抽出する特徴量抽出ステップと、
前記目的エリア外で発声された音声の特徴量に基づいて、前記空間における音声の発声位置が目的エリア外か否かを判定する判定モデルを学習によって生成する判定モデル生成ステップと、
前記空間に配置される第2のマイクロフォンで集音された音声から、前記特徴量と前記判定モデルとに基づいて、前記目的エリア外で発声された音声を除去し、残った音声を検出出力し、
前記検出された音声の内容を認識する認識ステップと
を備える音声認識プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017177022A JP6755843B2 (ja) | 2017-09-14 | 2017-09-14 | 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 |
US15/904,738 US10950227B2 (en) | 2017-09-14 | 2018-02-26 | Sound processing apparatus, speech recognition apparatus, sound processing method, speech recognition method, storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017177022A JP6755843B2 (ja) | 2017-09-14 | 2017-09-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019053180A true JP2019053180A (ja) | 2019-04-04 |
JP6755843B2 JP6755843B2 (ja) | 2020-09-16 |
Family
ID=65632380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017177022A Active JP6755843B2 (ja) | 2017-09-14 | 2017-09-14 | 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 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10950227B2 (ja) |
JP (1) | JP6755843B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11574628B1 (en) * | 2018-09-27 | 2023-02-07 | Amazon Technologies, Inc. | Deep multi-channel acoustic modeling using multiple microphone array geometries |
KR20210061115A (ko) * | 2019-11-19 | 2021-05-27 | 엘지전자 주식회사 | 인공지능형 로봇 디바이스의 음성 인식 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008542798A (ja) * | 2005-05-05 | 2008-11-27 | 株式会社ソニー・コンピュータエンタテインメント | コンピュータ対話型処理と共に使用する選択的音源聴音 |
JP2013531419A (ja) * | 2010-05-20 | 2013-08-01 | クゥアルコム・インコーポレイテッド | ヘッドマウントマイクロフォンペアを使用する音声信号の処理のためのシステム、方法、装置、及びコンピュータ可読媒体 |
JP2014045440A (ja) * | 2012-08-28 | 2014-03-13 | Nippon Telegr & Teleph Corp <Ntt> | 音源別音声強調装置、方法、プログラム |
JP2015125184A (ja) * | 2013-12-25 | 2015-07-06 | 沖電気工業株式会社 | 音声信号処理装置及びプログラム |
Family Cites Families (94)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7421471B2 (en) | 2002-05-17 | 2008-09-02 | Sony Computer Entertainment America Inc. | Configuration switching: dynamically changing between network communication architectures |
US7545926B2 (en) | 2006-05-04 | 2009-06-09 | Sony Computer Entertainment Inc. | Echo and noise cancellation |
US7697700B2 (en) | 2006-05-04 | 2010-04-13 | Sony Computer Entertainment Inc. | Noise removal for electronic device with far field microphone on console |
US7883415B2 (en) | 2003-09-15 | 2011-02-08 | Sony Computer Entertainment Inc. | Method and apparatus for adjusting a view of a scene being displayed according to tracked head motion |
US8947347B2 (en) | 2003-08-27 | 2015-02-03 | Sony Computer Entertainment Inc. | Controlling actions in a video game unit |
US7102615B2 (en) | 2002-07-27 | 2006-09-05 | Sony Computer Entertainment Inc. | Man-machine interface using a deformable device |
US7783061B2 (en) * | 2003-08-27 | 2010-08-24 | Sony Computer Entertainment Inc. | Methods and apparatus for the targeted sound detection |
US7809145B2 (en) | 2006-05-04 | 2010-10-05 | Sony Computer Entertainment Inc. | Ultra small microphone array |
US7623115B2 (en) | 2002-07-27 | 2009-11-24 | Sony Computer Entertainment Inc. | Method and apparatus for light input device |
US8073157B2 (en) | 2003-08-27 | 2011-12-06 | Sony Computer Entertainment Inc. | Methods and apparatus for targeted sound detection and characterization |
US7970147B2 (en) | 2004-04-07 | 2011-06-28 | Sony Computer Entertainment Inc. | Video game controller with noise canceling logic |
US7613310B2 (en) | 2003-08-27 | 2009-11-03 | Sony Computer Entertainment Inc. | Audio input system |
US8797260B2 (en) | 2002-07-27 | 2014-08-05 | Sony Computer Entertainment Inc. | Inertially trackable hand-held controller |
US7646372B2 (en) | 2003-09-15 | 2010-01-12 | Sony Computer Entertainment Inc. | Methods and systems for enabling direction detection when interfacing with a computer program |
US7854655B2 (en) | 2002-07-27 | 2010-12-21 | Sony Computer Entertainment America Inc. | Obtaining input for controlling execution of a game program |
US8313380B2 (en) | 2002-07-27 | 2012-11-20 | Sony Computer Entertainment America Llc | Scheme for translating movements of a hand-held controller into inputs for a system |
US20070015559A1 (en) | 2002-07-27 | 2007-01-18 | Sony Computer Entertainment America Inc. | Method and apparatus for use in determining lack of user activity in relation to a system |
US8570378B2 (en) | 2002-07-27 | 2013-10-29 | Sony Computer Entertainment Inc. | Method and apparatus for tracking three-dimensional movements of an object using a depth sensing camera |
USD629000S1 (en) | 2006-05-08 | 2010-12-14 | Sony Computer Entertainment America Llc | Game interface device with optical port |
US7782297B2 (en) | 2002-07-27 | 2010-08-24 | Sony Computer Entertainment America Inc. | Method and apparatus for use in determining an activity level of a user in relation to a system |
US9474968B2 (en) | 2002-07-27 | 2016-10-25 | Sony Interactive Entertainment America Llc | Method and system for applying gearing effects to visual tracking |
US7352359B2 (en) | 2002-07-27 | 2008-04-01 | Sony Computer Entertainment America Inc. | Method and system for applying gearing effects to inertial tracking |
US7391409B2 (en) | 2002-07-27 | 2008-06-24 | Sony Computer Entertainment America Inc. | Method and system for applying gearing effects to multi-channel mixed input |
US20060256081A1 (en) | 2002-07-27 | 2006-11-16 | Sony Computer Entertainment America Inc. | Scheme for detecting and tracking user manipulation of a game controller body |
US9174119B2 (en) * | 2002-07-27 | 2015-11-03 | Sony Computer Entertainement America, LLC | Controller for providing inputs to control execution of a program when inputs are combined |
US20070260517A1 (en) | 2006-05-08 | 2007-11-08 | Gary Zalewski | Profile detection |
US7918733B2 (en) | 2002-07-27 | 2011-04-05 | Sony Computer Entertainment America Inc. | Multi-input game control mixer |
US7627139B2 (en) | 2002-07-27 | 2009-12-01 | Sony Computer Entertainment Inc. | Computer image and audio processing of intensity and input devices for interfacing with a computer program |
USD621836S1 (en) | 2006-05-06 | 2010-08-17 | Sony Computer Entertainment America Llc | Controller face with tracking sensors |
US8233642B2 (en) | 2003-08-27 | 2012-07-31 | Sony Computer Entertainment Inc. | Methods and apparatuses for capturing an audio signal based on a location of the signal |
US7850526B2 (en) | 2002-07-27 | 2010-12-14 | Sony Computer Entertainment America Inc. | System for tracking user manipulations within an environment |
US20060282873A1 (en) | 2002-07-27 | 2006-12-14 | Sony Computer Entertainment Inc. | Hand-held controller having detectable elements for tracking purposes |
US8160269B2 (en) * | 2003-08-27 | 2012-04-17 | Sony Computer Entertainment Inc. | Methods and apparatuses for adjusting a listening area for capturing sounds |
US7803050B2 (en) | 2002-07-27 | 2010-09-28 | Sony Computer Entertainment Inc. | Tracking device with sound emitter for use in obtaining information for controlling game program execution |
US8686939B2 (en) | 2002-07-27 | 2014-04-01 | Sony Computer Entertainment Inc. | System, method, and apparatus for three-dimensional input control |
US10086282B2 (en) | 2002-07-27 | 2018-10-02 | Sony Interactive Entertainment Inc. | Tracking device for use in obtaining information for controlling game program execution |
US9393487B2 (en) | 2002-07-27 | 2016-07-19 | Sony Interactive Entertainment Inc. | Method for mapping movements of a hand-held controller to game commands |
US20070061413A1 (en) | 2005-09-15 | 2007-03-15 | Larsen Eric J | System and method for obtaining user information from voices |
USD630211S1 (en) | 2006-05-08 | 2011-01-04 | Sony Computer Entertainment Inc. | Video game controller front face |
USD571367S1 (en) | 2006-05-08 | 2008-06-17 | Sony Computer Entertainment Inc. | Video game controller |
US7760248B2 (en) | 2002-07-27 | 2010-07-20 | Sony Computer Entertainment Inc. | Selective sound source listening in conjunction with computer interactive processing |
US20060264260A1 (en) | 2002-07-27 | 2006-11-23 | Sony Computer Entertainment Inc. | Detectable and trackable hand-held controller |
US20070261077A1 (en) | 2006-05-08 | 2007-11-08 | Gary Zalewski | Using audio/visual environment to select ads on game platform |
USD572254S1 (en) | 2006-05-08 | 2008-07-01 | Sony Computer Entertainment Inc. | Video game controller |
US8139793B2 (en) | 2003-08-27 | 2012-03-20 | Sony Computer Entertainment Inc. | Methods and apparatus for capturing audio signals based on a visual image |
US7352358B2 (en) | 2002-07-27 | 2008-04-01 | Sony Computer Entertainment America Inc. | Method and system for applying gearing effects to acoustical tracking |
USD571806S1 (en) | 2006-05-08 | 2008-06-24 | Sony Computer Entertainment Inc. | Video game controller |
US9682319B2 (en) | 2002-07-31 | 2017-06-20 | Sony Interactive Entertainment Inc. | Combiner method for altering game gearing |
EP2587481B1 (en) | 2002-10-23 | 2020-01-08 | Nuance Communications, Inc. | Controlling an apparatus based on speech |
US20070223732A1 (en) | 2003-08-27 | 2007-09-27 | Mao Xiao D | Methods and apparatuses for adjusting a visual image based on an audio signal |
US9573056B2 (en) | 2005-10-26 | 2017-02-21 | Sony Interactive Entertainment Inc. | Expandable control device via hardware attachment |
US8930561B2 (en) | 2003-09-15 | 2015-01-06 | Sony Computer Entertainment America Llc | Addition of supplemental multimedia content and interactive capability at the client |
US7874917B2 (en) | 2003-09-15 | 2011-01-25 | Sony Computer Entertainment Inc. | Methods and systems for enabling depth and direction detection when interfacing with a computer program |
US8287373B2 (en) | 2008-12-05 | 2012-10-16 | Sony Computer Entertainment Inc. | Control device for communicating visual information |
US10279254B2 (en) | 2005-10-26 | 2019-05-07 | Sony Interactive Entertainment Inc. | Controller having visually trackable object for interfacing with a gaming system |
US8323106B2 (en) | 2008-05-30 | 2012-12-04 | Sony Computer Entertainment America Llc | Determination of controller three-dimensional location using image analysis and ultrasonic communication |
US8616973B2 (en) | 2005-09-15 | 2013-12-31 | Sony Computer Entertainment Inc. | System and method for control by audible device |
US8825482B2 (en) | 2005-09-15 | 2014-09-02 | Sony Computer Entertainment Inc. | Audio, video, simulation, and user interface paradigms |
US8645985B2 (en) | 2005-09-15 | 2014-02-04 | Sony Computer Entertainment Inc. | System and method for detecting user attention |
EP2296079A3 (en) | 2005-10-26 | 2011-04-13 | Sony Computer Entertainment Inc. | System and method for interfacing with a computer program |
US8888593B2 (en) | 2005-10-26 | 2014-11-18 | Sony Computer Entertainment Inc. | Directional input for a video game |
US8730156B2 (en) | 2010-03-05 | 2014-05-20 | Sony Computer Entertainment America Llc | Maintaining multiple views on a shared stable virtual space |
US20110298829A1 (en) | 2010-06-04 | 2011-12-08 | Sony Computer Entertainment Inc. | Selecting View Orientation in Portable Device via Image Analysis |
US9250703B2 (en) | 2006-03-06 | 2016-02-02 | Sony Computer Entertainment Inc. | Interface with gaze detection and voice input |
US8793620B2 (en) | 2011-04-21 | 2014-07-29 | Sony Computer Entertainment Inc. | Gaze-assisted computer interface |
US8466954B2 (en) | 2006-04-03 | 2013-06-18 | Sony Computer Entertainment Inc. | Screen sharing method and apparatus |
US20070244751A1 (en) | 2006-04-17 | 2007-10-18 | Gary Zalewski | Using visual environment to select ads on game platform |
US20070255630A1 (en) | 2006-04-17 | 2007-11-01 | Gary Zalewski | System and method for using user's visual environment to select advertising |
US20070243930A1 (en) | 2006-04-12 | 2007-10-18 | Gary Zalewski | System and method for using user's audio environment to select advertising |
US20070265075A1 (en) | 2006-05-10 | 2007-11-15 | Sony Computer Entertainment America Inc. | Attachable structure for use with hand-held controller having tracking ability |
US8210943B1 (en) | 2006-05-06 | 2012-07-03 | Sony Computer Entertainment America Llc | Target interface |
USD567814S1 (en) | 2006-05-08 | 2008-04-29 | Sony Computer Entertainment America Inc. | Ergonomic game interface device with LEDs |
JP2008079256A (ja) | 2006-09-25 | 2008-04-03 | Toshiba Corp | 音響信号処理装置、音響信号処理方法及びプログラム |
US8269822B2 (en) | 2007-04-03 | 2012-09-18 | Sony Computer Entertainment America, LLC | Display viewing system and methods for optimizing display view based on active tracking |
WO2009016687A1 (ja) | 2007-08-02 | 2009-02-05 | Fujitsu Limited | 移動無線通信システムにおけるパイロット配置方法及びこれを適用する送受信装置 |
US8620213B2 (en) | 2009-12-24 | 2013-12-31 | Sony Computer Entertainment Inc. | Wireless device pairing methods |
US9167071B2 (en) | 2008-06-24 | 2015-10-20 | Sony Computer Entertainment Inc. | Wireless device multimedia feed switching |
US8463182B2 (en) | 2009-12-24 | 2013-06-11 | Sony Computer Entertainment Inc. | Wireless device pairing and grouping methods |
JP5339501B2 (ja) | 2008-07-23 | 2013-11-13 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 音声収集方法、システム及びプログラム |
US8221229B2 (en) | 2008-10-27 | 2012-07-17 | Sony Computer Entertainment Inc. | Spherical ended controller with configurable modes |
US9037468B2 (en) | 2008-10-27 | 2015-05-19 | Sony Computer Entertainment Inc. | Sound localization for user in motion |
US8961313B2 (en) | 2009-05-29 | 2015-02-24 | Sony Computer Entertainment America Llc | Multi-positional three-dimensional controller |
JP2010256421A (ja) | 2009-04-21 | 2010-11-11 | Panasonic Electric Works Co Ltd | 集音エリア制御方法および音声入力装置 |
US8953029B2 (en) | 2009-05-08 | 2015-02-10 | Sony Computer Entertainment America Llc | Portable device interaction via motion sensitive controller |
US8142288B2 (en) | 2009-05-08 | 2012-03-27 | Sony Computer Entertainment America Llc | Base station movement detection and compensation |
WO2011008626A1 (en) | 2009-07-14 | 2011-01-20 | Sony Computer Entertainment America Llc | System and method of displaying multiple video feeds |
JP2011139409A (ja) | 2010-01-04 | 2011-07-14 | Mitsunori Mizumachi | 音響信号処理装置、音響信号処理方法、及びコンピュータプログラム |
US9901828B2 (en) | 2010-03-30 | 2018-02-27 | Sony Interactive Entertainment America Llc | Method for an augmented reality character to maintain and exhibit awareness of an observer |
US10585472B2 (en) | 2011-08-12 | 2020-03-10 | Sony Interactive Entertainment Inc. | Wireless head mounted display with differential rendering and sound localization |
US9897805B2 (en) * | 2013-06-07 | 2018-02-20 | Sony Interactive Entertainment Inc. | Image rendering responsive to user actions in head mounted display |
US20150117652A1 (en) | 2012-05-31 | 2015-04-30 | Toyota Jidosha Kabushiki Kaisha | Sound source detection device, noise model generation device, noise reduction device, sound source direction estimation device, approaching vehicle detection device and noise reduction method |
JP5482844B2 (ja) | 2012-08-02 | 2014-05-07 | 富士通株式会社 | 移動無線通信システムにおけるパイロット配置方法及びこれを適用する送受信装置 |
JP2015069063A (ja) | 2013-09-30 | 2015-04-13 | 日本電気通信システム株式会社 | 音声認識システム、音声認識方法、及び音声認識プログラム |
JP2016126022A (ja) | 2014-12-26 | 2016-07-11 | アイシン精機株式会社 | 音声処理装置 |
-
2017
- 2017-09-14 JP JP2017177022A patent/JP6755843B2/ja active Active
-
2018
- 2018-02-26 US US15/904,738 patent/US10950227B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008542798A (ja) * | 2005-05-05 | 2008-11-27 | 株式会社ソニー・コンピュータエンタテインメント | コンピュータ対話型処理と共に使用する選択的音源聴音 |
JP2013531419A (ja) * | 2010-05-20 | 2013-08-01 | クゥアルコム・インコーポレイテッド | ヘッドマウントマイクロフォンペアを使用する音声信号の処理のためのシステム、方法、装置、及びコンピュータ可読媒体 |
JP2014045440A (ja) * | 2012-08-28 | 2014-03-13 | Nippon Telegr & Teleph Corp <Ntt> | 音源別音声強調装置、方法、プログラム |
JP2015125184A (ja) * | 2013-12-25 | 2015-07-06 | 沖電気工業株式会社 | 音声信号処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US10950227B2 (en) | 2021-03-16 |
US20190080689A1 (en) | 2019-03-14 |
JP6755843B2 (ja) | 2020-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9318103B2 (en) | System and method for recognizing a user voice command in noisy environment | |
CN107799126B (zh) | 基于有监督机器学习的语音端点检测方法及装置 | |
JP6819672B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6314219B2 (ja) | 自己生成ウェイク表現の検出 | |
JP4369132B2 (ja) | 話者音声のバックグランド学習 | |
US9940949B1 (en) | Dynamic adjustment of expression detection criteria | |
KR101610151B1 (ko) | 개인음향모델을 이용한 음성 인식장치 및 방법 | |
JP6731326B2 (ja) | 音声対話装置及び音声対話方法 | |
JP4322785B2 (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
JP6464005B2 (ja) | 雑音抑圧音声認識装置およびそのプログラム | |
US10878812B1 (en) | Determining devices to respond to user requests | |
CN112242149B (zh) | 音频数据的处理方法、装置、耳机及计算机可读存储介质 | |
Tao et al. | Bimodal Recurrent Neural Network for Audiovisual Voice Activity Detection. | |
JP6797338B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2019040123A (ja) | 変換モデルの学習方法および変換モデルの学習装置 | |
JP2004199053A (ja) | 絶対音量を使用して音声信号を処理する方法 | |
JP5549506B2 (ja) | 音声認識装置及び音声認識方法 | |
KR20190129731A (ko) | 음성대화 시스템, 음성대화 방법 및 프로그램 | |
JP6755843B2 (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 | |
KR20090025939A (ko) | 음성 인식을 이용한 홈 미디어 pc 시스템 및 그 제어방법 | |
JP2012168296A (ja) | 音声による抑圧状態検出装置およびプログラム | |
JP3838159B2 (ja) | 音声認識対話装置およびプログラム | |
JP2023008029A (ja) | 接客支援方法およびプログラム | |
JP2004325635A (ja) | 音声処理装置、音声処理方法、音声処理プログラム、および、プログラム記録媒体 | |
WO2019207912A1 (ja) | 情報処理装置及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200424 |
|
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: 20200728 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200826 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6755843 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |