JP6534926B2 - 話者識別方法、話者識別装置及び話者識別システム - Google Patents
話者識別方法、話者識別装置及び話者識別システム Download PDFInfo
- Publication number
- JP6534926B2 JP6534926B2 JP2015522523A JP2015522523A JP6534926B2 JP 6534926 B2 JP6534926 B2 JP 6534926B2 JP 2015522523 A JP2015522523 A JP 2015522523A JP 2015522523 A JP2015522523 A JP 2015522523A JP 6534926 B2 JP6534926 B2 JP 6534926B2
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- voice
- image
- voice signal
- unit
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000012545 processing Methods 0.000 claims description 96
- 238000012937 correction Methods 0.000 claims description 78
- 238000004891 communication Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 11
- 230000005236 sound signal Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000003825 pressing Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization 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
- 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
-
- 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
- G10L15/22—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
- G10L15/00—Speech recognition
- G10L15/24—Speech recognition using non-acoustical features
-
- 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
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- 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
- G10L15/24—Speech recognition using non-acoustical features
- G10L15/25—Speech recognition using non-acoustical features using position of the lips, movement of the lips or face analysis
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- User Interface Of Digital Computer (AREA)
Description
前記話者識別システムは、複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを保存するデータベースを含み、
前記表示部の周辺に位置する話者の音声を取得し、
前記取得された話者の音声から話者音声信号を生成し、
前記データベースに保存されている複数の登録音声信号のうち、前記生成された話者音声信号に対応する登録音声信号を識別し、
前記識別された登録音声信号に対応付けて前記データベースに保存されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声が取得されている間、前記表示部に表示させるものである。
家庭内の機器から使用状況、又はその機器を使用しているユーザの音声情報等を取得し、この取得した情報に基づいてユーザにサービスを提供するシステムが検討されている。しかし、ユーザにとって機器の使用状況又は音声情報は、個人情報に類する情報としての側面がある。よって、もし取得した機器の使用状況又は音声情報が可視化されないまま利用されると、どのように取得した情報が利用されているのかが不明確であり、ユーザにとって抵抗があると考えられる。よって、ユーザの抵抗を軽減するために、取得した情報を可視化して表示するシステムを開発する必要がある。
表示部の周辺に位置する話者の音声を識別し識別結果を前記表示部に表示する話者識別システムにおける話者識別方法であって、
前記話者識別システムは、複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを保存するデータベースを含み、
前記表示部の周辺に位置する話者の音声を取得し、
前記取得された話者の音声から話者音声信号を生成し、
前記データベースに保存されている複数の登録音声信号のうち、前記生成された話者音声信号に対応する登録音声信号を識別し、
前記識別された登録音声信号に対応付けて前記データベースに保存されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声が取得されている間、前記表示部に表示させるものである。
前記話者音声信号を生成する元となった前記話者の音声が取得されなくなった時点から所定時間が経過すると、前記表示されている前記話者画像を前記表示部から消去してもよい。
前記データベースは、前記複数の音声登録信号として、第1話者の音声に基づき生成された第1登録音声信号と、第2話者の音声に基づき生成された第2登録音声信号とを保存し、かつ、前記第1登録音声信号に対応付けられ前記第1話者を表す第1話者画像と、前記第2登録音声信号に対応付けられ前記第2話者を表す第2話者画像とを保存し、
前記第1話者の音声が取得されると、第1話者音声信号が生成され、
前記生成された第1話者音声信号が前記第1登録音声信号に対応すると識別されると、少なくとも前記第1話者の音声が取得されている間、前記第1話者画像が前記表示部に表示され、
前記第1話者画像が前記表示部に表示されているときに、前記第2話者の音声が取得されると、第2話者音声信号が生成され、
前記生成された第2話者音声信号が前記第2登録音声信号に対応すると識別されると、少なくとも前記第2話者の音声が取得されている間、前記第1話者画像に加えて、前記第2話者画像が前記表示部に表示されてもよい。
前記第1話者の音声と前記第2話者の音声とが取得された順に、前記第1話者画像と前記第2話者画像とが、前記表示部に並べられて表示されてもよい。
前記第1話者画像と前記第2話者画像とのうち、前記データベースに後で登録された方の話者画像は、前記データベースに先に登録された方の話者画像とは異なる態様で前記表示部に表示されてもよい。
前記第1話者の発話回数と、前記第2話者の発話回数とがカウントされ、
前記第1話者画像と前記第2話者画像とは、前記カウントされた発話回数の多い順に、前記表示部に並べられて表示されてもよい。
前記話者画像についての話者からの修正指示が受け付けられると、前記修正を指示した話者の音声を新たに取得し、
前記新たに取得された話者の音声から新たに話者音声信号を生成し、
前記データベースに保存されている、前記修正指示が行われた前記話者画像に対応付けられている前記登録音声信号を、前記新たに生成された話者音声信号に書き換えてもよい。
前記話者からの修正指示は、前記表示部に表示されている前記話者画像について受け付けられ、前記表示部に表示されていない前記話者画像については受け付けられないようにしてもよい。
前記生成された話者音声信号から前記話者の属性を判別し、
前記判別された前記話者の属性に基づき前記話者画像を作成し、
前記生成された話者音声信号と前記判別された前記話者の属性と前記作成された前記話者画像とを、互いに対応付けて前記データベースに保存し、前記データベースには、前記生成された話者音声信号は、前記登録音声信号として保存されるようにしてもよい。
表示部と、
前記表示部の周辺に位置する話者の音声を取得する音声取得部と、
前記取得された話者の音声から話者音声信号を生成する音声処理部と、
複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを記憶するデータベースと、
前記データベースに記憶されている前記複数の登録音声信号のうち、前記生成された前記話者音声信号に対応する登録音声信号を識別する識別処理部と、
前記識別された前記登録音声信号に対応付けて前記データベースに記憶されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声を前記音声取得部が取得している間、前記表示部に表示する表示制御部とを備えるものである。
表示部と、
前記表示部の周辺に位置する話者の音声を取得する音声取得部と、
前記取得された話者の音声から話者音声信号を生成する音声処理部と、
ネットワークを介して外部のサーバ装置と通信を行う通信部と、
前記表示部を制御する表示制御部と、
を備え、
前記通信部は、前記生成された話者音声信号を前記サーバ装置に送信し、かつ、前記サーバ装置から、前記話者音声信号を基に識別された前記話者を表す話者画像を受信し、
前記表示制御部は、前記受信された話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声を前記音声取得部が取得している間、前記表示部に表示させるものである。
表示部の周辺に位置する話者の音声を取得する音声取得部と、
前記取得された話者の音声から話者音声信号を生成する音声処理部と、
複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを記憶する記憶部と、
前記複数の登録音声信号のうち前記生成された話者音声信号に対応する登録音声信号を識別する識別処理部と、
前記識別された前記登録音声信号に対応付けて前記記憶部に記憶されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声を前記音声取得部が取得している間、前記表示部に表示させる表示制御部と、を備えるものである。
図1は、実施の形態1における話者識別システムを構成する話者識別装置200の構成例を示すブロック図である。図2は、図1に示される話者識別装置200の制御部205の機能を示すブロック図である。
図8Eの場合には、例えば、発話量表示部931のレベルが発話量表示部932のレベルに比べて低い場合には、話者の発話が促されることとなる。また、サーバ装置210の制御部211は、発話量表示部931のレベルによって、現在視聴しているテレビ放送番組またはコマーシャルをユーザが熱心に視聴しているか否かのデータを収集することができる。
以下、実施の形態2における話者識別システムを説明する。なお、本実施の形態2では一部、実施の形態1と同様の説明は省略している。また、実施の形態2の技術を実施の形態1に記載の技術と組み合わせることも可能である。
(1)上記実施の形態2において、図9の修正制御部105は、ユーザによる入力受付部206を用いた修正指示を、誤ったアイコンが表示部204に表示されている間のみ、受け付けるようにしてもよい。例えば図10のステップS304において図8Bを用いて説明した例では、補足アイコン914が誤って表示部204に表示されている間のみ、修正制御部105は、ユーザによるリモコン1001を用いた修正指示を受け付ける。例えば図10のステップS304において図3を用いて説明した例では、アイコン「B05」が誤って表示部204に表示されている間のみ、修正制御部105は、ユーザによるリモコン1001を用いた修正指示を受け付ける。
図13Aは、上記実施の形態1,2における図6に示される話者識別システムの全体像を示す図である。
図14は、サービスの類型1(自社データセンタ型)を示す。本類型は、サービスプロバイダ1120がグループ1100から情報を取得し、ユーザに対してサービスを提供する類型である。本類型では、サービスプロバイダ1120が、データセンタ運営会社の機能を有している。即ち、サービスプロバイダ1120が、ビッグデータの管理をするクラウドサーバ1111を保有している。従って、データセンタ運営会社は存在しない。
図15は、サービスの類型2(IaaS利用型)を示す。ここでIaaSとはインフラストラクチャー・アズ・ア・サービスの略であり、コンピュータシステムを構築および稼動させるための基盤そのものを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。
図16は、サービスの類型3(PaaS利用型)を示す。ここでPaaSとはプラットフォーム・アズ・ア・サービスの略であり、ソフトウェアを構築および稼動させるための土台となるプラットフォームを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。
図17は、サービスの類型4(SaaS利用型)を示す。ここでSaaSとはソフトウェア・アズ・ア・サービスの略である。例えばデータセンタ(クラウドサーバ)を保有しているプラットフォーム提供者が提供するアプリケーションを、データセンタ(クラウドサーバ)を保有していない会社・個人(利用者)がインターネットなどのネットワーク経由で使用できる機能を有するクラウドサービス提供モデルである。
Claims (16)
- 表示部の周辺に位置する話者の音声を識別し識別結果を前記表示部に表示する話者識別システムにおける話者識別方法であって、
前記話者識別システムは、複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを保存するデータベースを含み、
前記表示部の周辺に位置する話者の音声を取得し、
前記取得された話者の音声から前記話者の位置を表す位置情報を検出し、
前記取得された話者の音声から話者音声信号を生成し、
前記データベースに保存されている複数の登録音声信号のうち、前記生成された話者音声信号に対応する登録音声信号を識別し、
前記識別された登録音声信号に対応付けて前記データベースに保存されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声が取得されている間、前記検出された位置情報により表される前記話者の位置に対応した前記表示部上の位置に表示させ、
前記話者画像についての話者からの修正指示が受け付けられると、前記修正を指示した話者の音声を新たに取得し、
前記新たに取得された話者の音声から新たに話者音声信号を生成し、
前記データベースに保存されている、前記修正指示が行われた前記話者画像に対応付けられている前記登録音声信号を、前記新たに生成された話者音声信号に書き換え、
前記話者からの修正指示は、前記表示部に表示されている前記話者画像について受け付けられ、前記表示部に表示されていない前記話者画像については受け付けられない、
話者識別方法。 - 前記位置情報は、前記表示部を基準にしたときの水平方向の前記話者の位置を表し、
前記話者画像を、前記表示部上の前記位置情報により表される水平方向の前記話者の位置に表示する、
請求項1に記載の話者識別方法。 - 前記話者画像を、
前記話者の音声が取得されている間は第1の表示形式で表示し、
前記話者の音声が取得された後に、前記話者の音声が取得されていない間は、第2の表示形式で表示する、
請求項1に記載の話者識別方法。 - 前記生成された話者音声信号から、前記話者の発話内容を検出し、
前記検出した発話内容を、前記話者音声信号を生成する元となった前記話者の音声が取得されている間、前記話者画像の近傍に表示する、
請求項1に記載の話者識別方法。 - 前記話者音声信号を生成する元となった前記話者の音声が取得されなくなった時点から所定時間が経過すると、前記表示されている前記話者画像を前記表示部から消去する、
請求項1〜4のいずれか1項に記載の話者識別方法。 - 前記データベースは、前記複数の登録音声信号として、第1話者の音声に基づき生成された第1登録音声信号と、第2話者の音声に基づき生成された第2登録音声信号とを保存し、かつ、前記第1登録音声信号に対応付けられ前記第1話者を表す第1話者画像と、前記第2登録音声信号に対応付けられ前記第2話者を表す第2話者画像とを保存し、
前記第1話者の音声が取得されると、第1話者音声信号が生成され、
前記生成された第1話者音声信号が前記第1登録音声信号に対応すると識別されると、少なくとも前記第1話者の音声が取得されている間、前記第1話者画像が前記表示部に表示され、
前記第1話者画像が前記表示部に表示されているときに、前記第2話者の音声が取得されると、第2話者音声信号が生成され、
前記生成された第2話者音声信号が前記第2登録音声信号に対応すると識別されると、少なくとも前記第2話者の音声が取得されている間、前記第1話者画像に加えて、前記第2話者画像が前記表示部に表示される、
請求項1〜5のいずれか1項に記載の話者識別方法。 - 前記第1話者の音声と前記第2話者の音声とが取得された順に、前記第1話者画像と前記第2話者画像とが、前記表示部に並べられて表示される、
請求項6に記載の話者識別方法。 - 前記第1話者画像と前記第2話者画像とのうち、前記データベースに後で登録された方の話者画像は、前記データベースに先に登録された方の話者画像とは異なる態様で前記表示部に表示される、
請求項6に記載の話者識別方法。 - 前記第1話者の発話回数と、前記第2話者の発話回数とがカウントされ、
前記第1話者画像と前記第2話者画像とは、前記カウントされた発話回数の多い順に、前記表示部に並べられて表示される、
請求項6に記載の話者識別方法。 - 前記生成された話者音声信号から前記話者の属性を判別し、
前記判別された前記話者の属性に基づき前記話者画像を作成し、
前記生成された話者音声信号と前記判別された前記話者の属性と前記作成された前記話者画像とを、互いに対応付けて前記データベースに保存し、前記データベースには、前記生成された話者音声信号は、前記登録音声信号として保存される、
請求項1〜9のいずれか1項に記載の話者識別方法。 - 表示部と、
前記表示部の周辺に位置する話者の音声を取得する音声取得部と、
前記取得された話者の音声から話者音声信号を生成する音声処理部と、
複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを記憶するデータベースと、
前記データベースに記憶されている前記複数の登録音声信号のうち、前記生成された前記話者音声信号に対応する登録音声信号を識別する識別処理部と、
前記取得された話者の音声から、前記話者の位置を表す位置情報を検出する位置情報検出部と、
前記識別された前記登録音声信号に対応付けて前記データベースに記憶されている前記話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声を前記音声取得部が取得している間、前記検出された位置情報により表される前記話者の位置に対応した前記表示部上の位置に表示する表示制御部と、
前記話者画像についての話者からの修正指示を、前記表示部に表示されている前記話者画像について受け付け、前記表示部に表示されていない前記話者画像については受け付けない修正制御部と、
を備え、
前記音声取得部は、前記話者画像についての話者からの修正指示が受け付けられると、前記修正を指示した話者の音声を新たに取得し、
前記音声処理部は、前記新たに取得された話者の音声から新たに話者音声信号を生成し、
前記修正制御部は、前記データベースに保存されている、前記修正指示が行われた前記話者画像に対応付けられている前記登録音声信号を、前記新たに生成された話者音声信号に書き換える、
話者識別装置。 - 前記位置情報は、前記表示部を基準にしたときの水平方向の前記話者の位置を表し、
前記表示制御部は、前記話者画像を、前記表示部上の前記位置情報により表される水平方向の前記話者の位置に表示する、
請求項11に記載の話者識別装置。 - 前記音声取得部と前記音声処理部とのいずれかは、取得する音声の指向性を制御する機能を有し、
前記位置情報検出部は、前記音声取得部もしくは前記音声処理部が、取得する音声の指向性を制御することで、前記位置情報を検出する、
請求項11に記載の話者識別装置。 - 表示部と、
前記表示部の周辺に位置する話者の音声を取得する音声取得部と、
前記取得された話者の音声から話者音声信号を生成する音声処理部と、
前記取得された話者の音声から、前記話者の位置を表す位置情報を検出する位置情報検出部と、
ネットワークを介して外部のサーバ装置と通信を行う通信部と、
前記表示部を制御する表示制御部と、
を備える話者識別装置であって、
前記サーバ装置は、
複数の話者の音声に基づきそれぞれ生成された複数の登録音声信号と、前記複数の登録音声信号にそれぞれ対応付けられ前記複数の話者をそれぞれ表す複数の話者画像とを記憶するデータベースと、
前記データベースに記憶されている前記複数の登録音声信号のうち、前記生成された話者音声信号に対応する登録音声信号を識別する識別処理部と、
を備え、
前記通信部は、前記生成された話者音声信号を前記サーバ装置に送信し、かつ、前記サーバ装置から、前記話者音声信号を基に識別された前記話者を表す話者画像を受信し、
前記表示制御部は、前記受信された話者画像を、少なくとも前記話者音声信号を生成する元となった前記話者の音声を前記音声取得部が取得している間、前記検出された位置情報により表される前記話者の位置に対応した前記表示部上の位置に表示させ、
前記話者識別装置は、
前記話者画像についての話者からの修正指示を、前記表示部に表示されている前記話者画像について受け付け、前記表示部に表示されていない前記話者画像については受け付けない修正制御部をさらに備え、
前記音声取得部は、前記話者画像についての話者からの修正指示が受け付けられると、前記修正を指示した話者の音声を新たに取得し、
前記音声処理部は、前記新たに取得された話者の音声から新たに話者音声信号を生成し、
前記修正制御部は、前記データベースに保存されている、前記修正指示が行われた前記話者画像に対応付けられている前記登録音声信号を、前記新たに生成された話者音声信号に書き換える、
話者識別装置。 - 前記位置情報は、前記表示部を基準にしたときの水平方向の前記話者の位置を表し、
前記表示制御部は、前記話者画像を、前記表示部上の前記位置情報により表される水平方向の前記話者の位置に表示する、
請求項14に記載の話者識別装置。 - 前記音声取得部と前記音声処理部とのいずれかは、取得する音声の指向性を制御する機能を有し、
前記位置情報検出部は、前記音声取得部もしくは前記音声処理部が、取得する音声の指向性を制御することで、前記位置情報を検出する、
請求項14に記載の話者識別装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013121714 | 2013-06-10 | ||
JP2013121714 | 2013-06-10 | ||
PCT/JP2014/002970 WO2014199596A1 (ja) | 2013-06-10 | 2014-06-04 | 話者識別方法、話者識別装置及び話者識別システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2014199596A1 JPWO2014199596A1 (ja) | 2017-02-23 |
JP6534926B2 true JP6534926B2 (ja) | 2019-06-26 |
Family
ID=52021914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015522523A Active JP6534926B2 (ja) | 2013-06-10 | 2014-06-04 | 話者識別方法、話者識別装置及び話者識別システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9710219B2 (ja) |
JP (1) | JP6534926B2 (ja) |
WO (1) | WO2014199596A1 (ja) |
Families Citing this family (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US20120309363A1 (en) | 2011-06-03 | 2012-12-06 | Apple Inc. | Triggering notifications associated with tasks items that represent tasks to perform |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
CN104969289B (zh) | 2013-02-07 | 2021-05-28 | 苹果公司 | 数字助理的语音触发器 |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
WO2015020942A1 (en) | 2013-08-06 | 2015-02-12 | Apple Inc. | Auto-activating smart responses based on activities from remote devices |
US10164921B2 (en) * | 2014-03-12 | 2018-12-25 | Stephen Davies | System and method for voice networking |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
WO2015184186A1 (en) | 2014-05-30 | 2015-12-03 | Apple Inc. | Multi-command single utterance input method |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
JP6642424B2 (ja) * | 2014-06-03 | 2020-02-05 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
JP6464411B6 (ja) * | 2015-02-25 | 2019-03-13 | Dynabook株式会社 | 電子機器、方法及びプログラム |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
US10089061B2 (en) | 2015-08-28 | 2018-10-02 | Kabushiki Kaisha Toshiba | Electronic device and method |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US20170075652A1 (en) | 2015-09-14 | 2017-03-16 | Kabushiki Kaisha Toshiba | Electronic device and method |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
US20180018300A1 (en) * | 2016-07-16 | 2018-01-18 | Ron Zass | System and method for visually presenting auditory information |
KR102596430B1 (ko) * | 2016-08-31 | 2023-10-31 | 삼성전자주식회사 | 화자 인식에 기초한 음성 인식 방법 및 장치 |
JP6659514B2 (ja) | 2016-10-12 | 2020-03-04 | 東芝映像ソリューション株式会社 | 電子機器及びその制御方法 |
WO2018101458A1 (ja) * | 2016-12-02 | 2018-06-07 | ヤマハ株式会社 | 収音機器、コンテンツ再生機器、及びコンテンツ再生システム |
JP6760394B2 (ja) | 2016-12-02 | 2020-09-23 | ヤマハ株式会社 | コンテンツ再生機器、収音機器、及びコンテンツ再生システム |
DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
DK201770429A1 (en) | 2017-05-12 | 2018-12-14 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
DK201770411A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | MULTI-MODAL INTERFACES |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US20180336275A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Intelligent automated assistant for media exploration |
US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
CN108965967A (zh) * | 2018-05-25 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 电视控制方法及装置、计算机可读存储介质、终端 |
US10892996B2 (en) | 2018-06-01 | 2021-01-12 | Apple Inc. | Variable latency device coordination |
DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
CN108882032A (zh) * | 2018-06-08 | 2018-11-23 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
RU2744063C1 (ru) * | 2018-12-18 | 2021-03-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система определения говорящего пользователя управляемого голосом устройства |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
US11227599B2 (en) | 2019-06-01 | 2022-01-18 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
CN112466306B (zh) * | 2019-08-19 | 2023-07-04 | 中国科学院自动化研究所 | 会议纪要生成方法、装置、计算机设备及存储介质 |
US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
US11183193B1 (en) | 2020-05-11 | 2021-11-23 | Apple Inc. | Digital assistant hardware abstraction |
US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10198393A (ja) | 1997-01-08 | 1998-07-31 | Matsushita Electric Ind Co Ltd | 会話記録装置 |
US7117157B1 (en) * | 1999-03-26 | 2006-10-03 | Canon Kabushiki Kaisha | Processing apparatus for determining which person in a group is speaking |
JP2001314649A (ja) * | 2000-05-11 | 2001-11-13 | Seta Corp | 音声遊技方法、装置および記録媒体 |
JP3953258B2 (ja) * | 2000-05-30 | 2007-08-08 | シャープ株式会社 | 通信端末装置 |
JP2002341890A (ja) | 2001-05-17 | 2002-11-29 | Matsushita Electric Ind Co Ltd | 音声認識文字表示方法およびその装置 |
US7440900B2 (en) * | 2002-03-15 | 2008-10-21 | Microsoft Corporation | Voice message processing system and method |
JP2004056286A (ja) * | 2002-07-17 | 2004-02-19 | Fuji Photo Film Co Ltd | 画像表示方法 |
US6882971B2 (en) * | 2002-07-18 | 2005-04-19 | General Instrument Corporation | Method and apparatus for improving listener differentiation of talkers during a conference call |
JP4141782B2 (ja) * | 2002-09-30 | 2008-08-27 | 株式会社ピートゥピーエー | 画像表示装置、画像表示方法及びプログラム |
US20060136224A1 (en) * | 2004-12-22 | 2006-06-22 | Eaton William C | Communications devices including positional circuits and methods of operating the same |
JP4599244B2 (ja) * | 2005-07-13 | 2010-12-15 | キヤノン株式会社 | 動画データから字幕を作成する装置及び方法、プログラム、並びに記憶媒体 |
CN101310505A (zh) * | 2005-11-16 | 2008-11-19 | 日本电气株式会社 | 便携终端装置及其使用的参与者列表显示方法、以及其程序 |
US8385233B2 (en) * | 2007-06-12 | 2013-02-26 | Microsoft Corporation | Active speaker identification |
US20090037826A1 (en) * | 2007-07-31 | 2009-02-05 | Christopher Lee Bennetts | Video conferencing system |
US8243902B2 (en) * | 2007-09-27 | 2012-08-14 | Siemens Enterprise Communications, Inc. | Method and apparatus for mapping of conference call participants using positional presence |
US7995732B2 (en) * | 2007-10-04 | 2011-08-09 | At&T Intellectual Property I, Lp | Managing audio in a multi-source audio environment |
JP2009206924A (ja) * | 2008-02-28 | 2009-09-10 | Fuji Xerox Co Ltd | 情報処理装置、情報処理システム及び情報処理プログラム |
US8503653B2 (en) * | 2008-03-03 | 2013-08-06 | Alcatel Lucent | Method and apparatus for active speaker selection using microphone arrays and speaker recognition |
US8316089B2 (en) * | 2008-05-06 | 2012-11-20 | Microsoft Corporation | Techniques to manage media content for a multimedia conference event |
US8315366B2 (en) * | 2008-07-22 | 2012-11-20 | Shoretel, Inc. | Speaker identification and representation for a phone |
JP4941486B2 (ja) * | 2009-03-13 | 2012-05-30 | ミツミ電機株式会社 | デジタル放送受信装置及びデジタル放送における情報提供方法 |
JP5413033B2 (ja) * | 2009-08-03 | 2014-02-12 | 株式会社リコー | 情報処理装置、情報漏洩防止方法およびプログラム |
US20110093266A1 (en) * | 2009-10-15 | 2011-04-21 | Tham Krister | Voice pattern tagged contacts |
US9197736B2 (en) | 2009-12-31 | 2015-11-24 | Digimarc Corporation | Intuitive computing methods and systems |
US20120154633A1 (en) | 2009-12-04 | 2012-06-21 | Rodriguez Tony F | Linked Data Methods and Systems |
US8660355B2 (en) | 2010-03-19 | 2014-02-25 | Digimarc Corporation | Methods and systems for determining image processing operations relevant to particular imagery |
CA2792336C (en) * | 2010-03-19 | 2018-07-24 | Digimarc Corporation | Intuitive computing methods and systems |
EP2405365B1 (en) * | 2010-07-09 | 2013-06-19 | Sony Ericsson Mobile Communications AB | Method and device for mnemonic contact image association |
WO2012169679A1 (ko) * | 2011-06-10 | 2012-12-13 | 엘지전자 주식회사 | 디스플레이 장치, 디스플레이 장치의 제어 방법 및 디스플레이 장치의 음성인식 시스템 |
WO2013022135A1 (en) * | 2011-08-11 | 2013-02-14 | Lg Electronics Inc. | Electronic device and method of controlling the same |
US8934652B2 (en) * | 2011-12-01 | 2015-01-13 | Elwha Llc | Visual presentation of speaker-related information |
US20130162752A1 (en) * | 2011-12-22 | 2013-06-27 | Advanced Micro Devices, Inc. | Audio and Video Teleconferencing Using Voiceprints and Face Prints |
JP5743976B2 (ja) * | 2012-08-10 | 2015-07-01 | 株式会社東芝 | 情報処理装置、プログラム、及び情報処理方法 |
US20140114664A1 (en) * | 2012-10-20 | 2014-04-24 | Microsoft Corporation | Active Participant History in a Video Conferencing System |
US9679564B2 (en) * | 2012-12-12 | 2017-06-13 | Nuance Communications, Inc. | Human transcriptionist directed posterior audio source separation |
US9223340B2 (en) * | 2013-08-14 | 2015-12-29 | Lenovo (Singapore) Pte. Ltd. | Organizing display data on a multiuser display |
-
2014
- 2014-06-04 JP JP2015522523A patent/JP6534926B2/ja active Active
- 2014-06-04 WO PCT/JP2014/002970 patent/WO2014199596A1/ja active Application Filing
- 2014-06-04 US US14/420,749 patent/US9710219B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US9710219B2 (en) | 2017-07-18 |
US20150205568A1 (en) | 2015-07-23 |
WO2014199596A1 (ja) | 2014-12-18 |
JPWO2014199596A1 (ja) | 2017-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6534926B2 (ja) | 話者識別方法、話者識別装置及び話者識別システム | |
JP6482911B2 (ja) | 機器制御方法および電気機器 | |
WO2017168936A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN106024009B (zh) | 音频处理方法及装置 | |
EP2674941B1 (en) | Terminal apparatus and control method thereof | |
JP6178198B2 (ja) | 音声翻訳システム、方法およびプログラム | |
JP2020144375A (ja) | システムの制御方法、システム、及びプログラム | |
KR102339657B1 (ko) | 전자 장치 및 이의 제어 방법 | |
WO2018036392A1 (zh) | 基于语音分享信息的方法、装置与移动终端 | |
EP3419020B1 (en) | Information processing device, information processing method and program | |
WO2017051601A1 (ja) | 対話システム、端末、対話を制御する方法、およびコンピュータを対話システムとして機能させるためのプログラム | |
JP2014093778A (ja) | 放送受信装置、サーバおよびその制御方法 | |
CN108495168A (zh) | 弹幕信息的显示方法及装置 | |
CN109388699A (zh) | 输入方法、装置、设备及存储介质 | |
CN106603381A (zh) | 处理聊天信息的方法及装置 | |
CN109427332B (zh) | 使用语音命令执行操作的电子设备及其操作方法 | |
CN107133280A (zh) | 反馈的响应方法及装置 | |
US20220038778A1 (en) | Intelligent captioning | |
US11688268B2 (en) | Information processing apparatus and information processing method | |
KR20140111574A (ko) | 오디오 명령에 따른 동작을 수행하는 장치 및 방법 | |
WO2020024436A1 (zh) | 一种用户信息的更新方法、***和服务器 | |
JP2016071177A (ja) | カラオケ管理システム | |
CN107247549A (zh) | 获取用户头像的方法、装置、终端及存储介质 | |
CN109088920A (zh) | 智能音箱的评价方法、装置、设备及存储介质 | |
US20240223861A1 (en) | Smart content search from audio/video captures while watching tv content itself |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181002 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181207 |
|
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: 20190521 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190530 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6534926 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |