JP2021103329A - オーディオ認識方法、オーディオ認識装置、電子機器、記憶媒体及びプログラム - Google Patents
オーディオ認識方法、オーディオ認識装置、電子機器、記憶媒体及びプログラム Download PDFInfo
- Publication number
- JP2021103329A JP2021103329A JP2021053196A JP2021053196A JP2021103329A JP 2021103329 A JP2021103329 A JP 2021103329A JP 2021053196 A JP2021053196 A JP 2021053196A JP 2021053196 A JP2021053196 A JP 2021053196A JP 2021103329 A JP2021103329 A JP 2021103329A
- Authority
- JP
- Japan
- Prior art keywords
- audio signal
- audio
- signal
- filter coefficient
- reproducing
- 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 73
- 230000005236 sound signal Effects 0.000 claims abstract description 196
- 230000004044 response Effects 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 230000003213 activating effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 239000010426 asphalt Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G10L15/00—Speech recognition
- G10L15/01—Assessment or evaluation of speech recognition 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
- 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
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
-
- 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
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
- G11B20/10—Digital recording or reproducing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
-
- 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
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
Description
Claims (21)
- 録音された第1のオーディオ信号を取得することと、
第1のオーディオ再生機器が校正信号を再生して得られた音声の第1の周波数レスポンスと前記校正信号の周波数レスポンスとに基づいて算出された第1のフィルタ係数に基づいて、前記第1のオーディオ信号を処理して、第2のオーディオ信号を取得することと、
前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生して得られた音声を認識することと、を含む
オーディオ認識方法。 - 録音された第3のオーディオ信号を取得することと、
第2のオーディオ再生機器が前記校正信号を再生して得られた音声の第2の周波数レスポンスと前記校正信号の周波数レスポンスとに基づいて算出された第2のフィルタ係数に基づいて、前記第3のオーディオ信号を処理して、第4のオーディオ信号を取得することと、
前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生するとともに、前記第2のオーディオ再生機器で前記第4のオーディオ信号を再生している過程において、前記第2のオーディオ信号を再生して得られた音声を認識することと、をさらに含む
請求項1に記載の方法。 - 前記第1のオーディオ信号は、人声オーディオ信号を含み、前記第3のオーディオ信号は、ノイズオーディオ信号を含む
請求項2に記載の方法。 - 前記第1のフィルタ係数に基づいて前記第1のオーディオ信号を処理して、第2のオーディオ信号を取得することは、前記第1のフィルタ係数で前記第1のオーディオ信号のスペクトルを調整して、前記第2のオーディオ信号を取得することを含み、
前記第2のフィルタ係数に基づいて前記第3のオーディオ信号を処理して、第4のオーディオ信号を取得することは、前記第2のフィルタ係数で前記第3のオーディオ信号のスペクトルを調整して、前記第4のオーディオ信号を取得することを含む
請求項2に記載の方法。 - 前記第1のフィルタ係数は、前記校正信号の周波数レスポンスと前記第1の周波数レスポンスとの違いに応じて確定され、前記第2のフィルタ係数は、前記校正信号の周波数レスポンスと前記第2の周波数レスポンスとの違いに応じて確定される
請求項2に記載の方法。 - 前記第1のフィルタ係数は、複数の第1のフィルタサブ係数を含み、各第1のフィルタサブ係数は、それぞれ第1の所定周波数帯域における対応するオーディオ信号を調整するためのものであり、前記第2のフィルタ係数は、複数の第2のフィルタサブ係数を含み、各第2のフィルタサブ係数は、それぞれ第2の所定周波数帯域における対応するオーディオ信号を調整するためのものである
請求項2に記載の方法。 - 前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生して得られた音声を認識することは、
語音認識機能を起動することと、
前記語音認識機能を基に、前記第2のオーディオ信号を再生して得られた音声を認識することとを含む
請求項1に記載の方法。 - 前記第2のオーディオ信号を再生して得られた音声を認識した後、認識結果を出力することと、
前記認識結果の正確性を検証することと、をさらに含む
請求項7に記載の方法。 - 前記認識結果の正確性を検証することは、
前記認識結果と前記第1のオーディオ信号のオーディオ内容とを比較することと、
前記認識結果と前記第1のオーディオ信号のオーディオ内容とが一致する場合、前記認識結果が正確であることを確定することと、
前記認識結果と前記第1のオーディオ信号のオーディオ内容とが一致していない場合、前記認識結果が誤りであることを確定することと、を含む
請求項8に記載の方法。 - 前記第1のオーディオ信号が複数含まれ、各前記第1のオーディオ信号は、前記第1のフィルタ係数に基づく処理が行われてから1つの前記第2のオーディオ信号が得られ、
前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生して得られた音声を認識することは、
前記第1のオーディオ再生機器で所定の時間間隔で各前記第2のオーディオ信号を再生して得られた音声をそれぞれ認識することを含む
請求項1に記載の方法。 - 前記オーディオ認識方法は、車載語音テスト場面に適用される
請求項1に記載の方法。 - 前記第1のオーディオ再生機器は、人工口を含む
請求項1に記載の方法。 - 録音された第1のオーディオ信号を取得するための第1の取得モジュールと、
第1のオーディオ再生機器が校正信号を再生して得られた音声の第1の周波数レスポンスと前記校正信号の周波数レスポンスとに基づいて算出された第1のフィルタ係数に基づいて、前記第1のオーディオ信号を処理して、第2のオーディオ信号を取得するための第1の処理モジュールと、
前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生して得られた音声を認識するための認識モジュールと、を含む
オーディオ認識装置。 - 録音された第3のオーディオ信号を取得するための第2の取得モジュールと、
第2のオーディオ再生機器が前記校正信号を再生して得られた音声の第2の周波数レスポンスと前記校正信号の周波数レスポンスとに基づいて算出された第2のフィルタ係数に基づいて、前記第3のオーディオ信号を処理して、第4のオーディオ信号を取得するための第2の処理モジュールと、
前記第1のオーディオ再生機器で前記第2のオーディオ信号を再生するとともに、前記第2のオーディオ再生機器で前記第4のオーディオ信号を再生している過程において、前記第2のオーディオ信号を再生して得られた音声を認識するための前記認識モジュールと、をさらに含む
請求項13に記載の装置。 - 前記第1のオーディオ信号は、人声オーディオ信号を含み、前記第3のオーディオ信号は、ノイズオーディオ信号を含む
請求項14に記載の装置。 - 前記第1の処理モジュールは、前記第1のフィルタ係数で前記第1のオーディオ信号のスペクトルを調整して、前記第2のオーディオ信号を取得するためのものであり、
前記第2の処理モジュールは、前記第2のフィルタ係数で前記第3のオーディオ信号のスペクトルを調整して、前記第4のオーディオ信号を取得するためのものである
請求項14に記載の装置。 - 前記第1のフィルタ係数は、前記校正信号の周波数レスポンスと前記第1の周波数レスポンスとの違いに応じて確定され、前記第2のフィルタ係数は、前記校正信号の周波数レスポンスと前記第2の周波数レスポンスとの違いに応じて確定される
請求項14に記載の装置。 - 前記第1のフィルタ係数は、複数の第1のフィルタサブ係数を含み、各第1のフィルタサブ係数は、それぞれ第1の所定周波数帯域における対応するオーディオ信号を調整するためのものであり、前記第2のフィルタ係数は、複数の第2のフィルタサブ係数を含み、各第2のフィルタサブ係数は、それぞれ第2の所定周波数帯域における対応するオーディオ信号を調整するためのものである
請求項14に記載の装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信接続するメモリとを含む電子機器であって、
前記メモリに、前記少なくとも1つのプロセッサによって実行され得る命令を記憶しており、前記命令が前記少なくとも1つのプロセッサによって実行されることによって、前記少なくとも1つのプロセッサが請求項1〜12のいずれかに記載の方法を実行することができる、
電子機器。 - コンピュータに請求項1〜12のいずれかに記載の方法を実行させるためのコンピュータ命令を記憶している不揮発性のコンピュータ読取可能な記憶媒体。
- コンピュータに請求項1〜12のいずれかに記載の方法を実行させるためのコンピュータ命令を含むコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010991729.5A CN114203156A (zh) | 2020-09-18 | 2020-09-18 | 音频识别方法、音频识别装置、电子设备和存储介质 |
CN202010991729.5 | 2020-09-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021103329A true JP2021103329A (ja) | 2021-07-15 |
JP7158110B2 JP7158110B2 (ja) | 2022-10-21 |
Family
ID=75743268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021053196A Active JP7158110B2 (ja) | 2020-09-18 | 2021-03-26 | オーディオ認識方法、オーディオ認識装置、電子機器、記憶媒体及びプログラム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7158110B2 (ja) |
KR (1) | KR102488319B1 (ja) |
CN (1) | CN114203156A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470618A (zh) * | 2021-06-08 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 唤醒测试的方法、装置、电子设备和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013007764A (ja) * | 2011-06-22 | 2013-01-10 | Clarion Co Ltd | 音声データ中継装置、端末装置、音声データ中継方法、および音声認識システム |
CN103745731A (zh) * | 2013-12-31 | 2014-04-23 | 安徽科大讯飞信息科技股份有限公司 | 一种语音识别效果自动化测试系统及测试方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100518031B1 (ko) * | 2003-12-20 | 2005-10-04 | 한국전자통신연구원 | 수신기 캘리브레이션용 신호 발생 장치 |
-
2020
- 2020-09-18 CN CN202010991729.5A patent/CN114203156A/zh active Pending
-
2021
- 2021-03-15 KR KR1020210033390A patent/KR102488319B1/ko active IP Right Grant
- 2021-03-26 JP JP2021053196A patent/JP7158110B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013007764A (ja) * | 2011-06-22 | 2013-01-10 | Clarion Co Ltd | 音声データ中継装置、端末装置、音声データ中継方法、および音声認識システム |
CN103745731A (zh) * | 2013-12-31 | 2014-04-23 | 安徽科大讯飞信息科技股份有限公司 | 一种语音识别效果自动化测试系统及测试方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7158110B2 (ja) | 2022-10-21 |
CN114203156A (zh) | 2022-03-18 |
KR20210042851A (ko) | 2021-04-20 |
KR102488319B1 (ko) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10229671B2 (en) | Prioritized content loading for vehicle automatic speech recognition systems | |
CN110197658B (zh) | 语音处理方法、装置以及电子设备 | |
CN106796785B (zh) | 用于产生声音检测模型的声音样本验证 | |
US20210243528A1 (en) | Spatial Audio Signal Filtering | |
WO2020098115A1 (zh) | 字幕添加方法、装置、电子设备及计算机可读存储介质 | |
CN110097870B (zh) | 语音处理方法、装置、设备和存储介质 | |
JP2008508564A (ja) | スピーチエンドポインタ | |
US10950229B2 (en) | Configurable speech interface for vehicle infotainment systems | |
WO2016165334A1 (zh) | 一种语音处理方法及装置、终端设备 | |
EP3834075A1 (en) | Audio stream mixing system and method | |
CN113823334B (zh) | 一种应用于车载设备的环境模拟方法、相关装置及设备 | |
US20180166073A1 (en) | Speech Recognition Without Interrupting The Playback Audio | |
CN111739512A (zh) | 一种基于实车的语音唤醒率测试方法、系统、设备及介质 | |
JP2021103329A (ja) | オーディオ認識方法、オーディオ認識装置、電子機器、記憶媒体及びプログラム | |
CN111768759A (zh) | 用于生成信息的方法和装置 | |
EP4264597A1 (en) | Augmented training data for end-to-end models | |
CN113643704A (zh) | 车机语音系统的测试方法、上位机、系统和存储介质 | |
US9978399B2 (en) | Method and apparatus for tuning speech recognition systems to accommodate ambient noise | |
CN112218137B (zh) | 一种多媒体数据采集方法、装置、设备及介质 | |
CN109597657B (zh) | 针对目标应用的操作方法、装置及计算设备 | |
KR20200053242A (ko) | 차량용 음성 인식 시스템 및 그 제어 방법 | |
US20230230609A1 (en) | Training machine learning frameworks to generate studio-quality recordings through manipulation of noisy audio signals | |
CN113485914B (zh) | 一种车载语音sdk测试方法、装置及系统 | |
Matassoni et al. | Use of real and contaminated speech for training of a hands-free in-car speech recognizer. | |
CN116013300A (zh) | 用于车载环境下的数据处理方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210326 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220906 |
|
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: 20220913 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220920 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220926 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221004 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7158110 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |