JP4587160B2 - 信号処理装置および方法 - Google Patents
信号処理装置および方法 Download PDFInfo
- Publication number
- JP4587160B2 JP4587160B2 JP2004093166A JP2004093166A JP4587160B2 JP 4587160 B2 JP4587160 B2 JP 4587160B2 JP 2004093166 A JP2004093166 A JP 2004093166A JP 2004093166 A JP2004093166 A JP 2004093166A JP 4587160 B2 JP4587160 B2 JP 4587160B2
- Authority
- JP
- Japan
- Prior art keywords
- state
- voice
- current frame
- voice state
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims description 33
- 238000000034 method Methods 0.000 title description 69
- 238000009499 grossing Methods 0.000 claims description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 61
- 230000007704 transition Effects 0.000 description 47
- 230000008569 process Effects 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 17
- 238000007476 Maximum Likelihood Methods 0.000 description 13
- 238000001228 spectrum Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007562 laser obscuration time method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000010128 melt processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing 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
- G10L25/78—Detection of presence or absence of voice signals
- G10L25/87—Detection of discrete points within a voice signal
Landscapes
- Engineering & Computer Science (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)
- Multimedia (AREA)
- Telephonic Communication Services (AREA)
Description
まず、本明細書で使用する用語について定義しておく。
(2)本明細書における「端点検出」とは、単語もしく音声として有意な部分の発声の始点および終点を、VADの結果を用いて検出する処理をいう。
(3)「無音」の用語は「非音声」と同じ意味で用いる。よって、この「無音」は、“silence”のみならず“noise(雑音)”を含みうることに留意されたい。本明細書においては、「雑音」、「無音」、ならびに「非音声」は、相互に交換可能なものとして記述している。
また、以下ではいくつかの数式を示して本発明の信号検出処理を説明するが、一般に信号のベクトル表現についてはスカラ値と区別するためにボールド体で表示するところ、以下の説明ではそのように区別する表示態様とはなっていないことに留意されたい。したがって、信号がベクトルを意味するときは「ベクトル」の文字を表示するが、当業者にとってスカラ値との区別が容易であるときは省略する場合もある。
以下、図面を参照して本発明の好適な実施形態について詳細に説明する。
図3は、端点検出プログラムの機能構成を示すブロック図である。以下では、この機能ブロック図の概要を説明し、その後ブロックの処理毎に詳細な説明を加えることにする。
マイクロフォン9より入力された音響信号(音声および背景雑音が含まれうる)は、A/Dコンバータ10によって例えば11.025kHzでサンプリングされ、フレーム処理モジュール32により、例えば256サンプルからなるフレームに分割される。このフレームは例えば110サンプル毎に生成される。これにより、これらのフレームは、隣接するフレームとオーバーラップすることになる。この構成によれば、100フレームでおよそ1秒となる。
メル尺度信号は、雑音追跡モジュール36および音声区間検出尺度計算モジュール(以下、「VADモジュール」という。)38に入力される。雑音追跡モジュール36は、入力されたメル尺度信号において、緩やかに変動する背景雑音を追跡する。
本発明は音声区間検出尺度として数1に示した尤度比を用いることは先述したとおりである。以下では、この尤度比の算出する3つの手法を示す。
最尤法(ML:Maximum Likelihood method)は、例えば次式により表される。これは例えば、Jongseo Sohnらによる“A Voice Activity Detector employing soft decision based noise spectrum adaptation.”(Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing, p. 365-368, May 1998)にも開示されている。
ところで、上記(1)の最尤法を用いた計算方法では、ベクトルλfの計算が必要とされる。この計算には、スペクトルサブトラクション法や、判定結果により導出する推定("decision directed" estimation)のような処理を必要とする。そこで、最尤法を用いるかわりに最大事後確率法(MAP:Maximum a-posteriori method)を用いることもできる。MAPによる方法では、ベクトルλfの計算を避けることができるという利点がある。この計算手順を図示すると、図5のようになる。この場合では、61で示される雑音尤度計算は、上記の最尤法の場合(図4の52で示される雑音尤度計算)と同様であるが、音声尤度計算は上記の最尤法と異なり、次式により計算する。
ところで、上記した2つの計算法は、特徴量を直接用いる方法に基づいている。これと異なる方法として、(時間ドメインではなく)特徴量ドメインにおいて、音声区間検出計算を行う前にローパスフィルタを施す方法がある。特徴量がスペクトルの場合には、下記の2つの利点が生まれる。
(b)また、メル化する処理の導入により生じる、相関を除くことができる。
x’k = xk−xk+1
ここで、スペクトルの場合には、 xk=s2 kである。
x’2 = x2−x3,
・・・
x’S-1 = xS-1−xS
x’2 = x3−x4,
・・・
x’S/2 = xS-1−xS
図8は、端点検出モジュール44の詳細な機能構成を示すブロック図である。図示のように、端点検出モジュール44は、状態遷移判定モジュール90、状態フィルタ91、およびフレームインデックス(frame index)保持部92を含む構成である。
図7は、本実施形態における端点検出処理を示すフローチャートである。このフローチャートに対応するプログラムはHDD4に記憶されている端点検出プログラムに含まれ、RAM3にロードされた後、CPU1によって実行されるものである。
上述した実施形態は、音声認識などの音声に関わる内容で説明したが、本発明は例えば、機械などの音や動物の音などの音声以外の音響信号にも適用することが可能である。また、ソナーや動物の音などのように、人には聞くことができないような領域の音響情報にも利用できるものである。さらに、レーダーや無線信号などの電磁波などの信号にも適用が可能である。
Claims (4)
- 所定時間長の信号系列をフレーム単位に入力し、現フレームが、音声状態、非音声状態、非音声状態から音声状態に向かう中間の状態を示す準音声状態、音声状態から非音声状態に向かう中間の状態を示す準非音声状態、の4状態のうちいずれの状態であるかを判定する信号処理装置であって、
入力したフレームが音声状態か非音声状態かの2値で状態を判別する判別手段と、
音声状態を1、非音声状態を0とするとき、現フレームの前記判別手段の判別結果を、過去1つ以上のフレームの前記判別手段の判別結果に依存して0乃至1の間の値にスムージングする状態フィルタであって、現フレームの前記判別手段の判別結果と過去1つ以上のフレームの前記判別手段の判別結果とを重み付け加算することにより該スムージングした値を出力する状態フィルタと、
現フレームの状態を判定する判定手段であって、
前フレームが非音声状態である場合において、現フレームが前記判別手段で音声状態と判別されたとき、現フレームを準音声状態と判定し、
前フレームが準音声状態である場合において、現フレームの前記状態フィルタの出力値が第1のしきい値を超えたとき、現フレームを音声状態と判定し、
前フレームが音声状態である場合において、現フレームが前記判別手段で非音声状態と判別されたとき、現フレームを準非音声状態と判定し、
前フレームが準音声状態または準非音声状態である場合において、現フレームの前記状態フィルタの出力値が前記第1のしきい値より低い第2のしきい値を下回ったとき、現フレームを非音声状態と判定する、判定手段と、
前記判定手段により現フレームが音声状態と判定されたとき、前記状態フィルタの出力値を最大値1に設定し、前記判定手段により現フレームが非音声状態と判定されたとき、前記状態フィルタの出力値を最小値0に設定する設定手段と、
を有することを特徴とする信号処理装置。 - 所定時間長の信号系列をフレーム単位に入力し、現フレームが、音声状態、非音声状態、非音声状態から音声状態に向かう中間の状態を示す準音声状態、音声状態から非音声状態に向かう中間の状態を示す準非音声状態、の4状態のうちいずれの状態であるかを判定する信号処理方法であって、
入力したフレームが音声状態か非音声状態かの2値で状態を判別する判別ステップと、
音声状態を1、非音声状態を0とするとき、現フレームの前記判別ステップの判別結果を、過去1つ以上のフレームの前記判別ステップの判別結果に依存して0乃至1の間の値にスムージングする状態フィルタであって、現フレームの前記判別ステップの判別結果と過去1つ以上のフレームの前記判別ステップの判別結果とを重み付け加算することにより該スムージングした値を出力する状態フィルタを適用するフィルタリングステップと、
現フレームの状態を判定する判定ステップであって、
前フレームが非音声状態である場合において、現フレームが前記判別ステップで音声状態と判別されたとき、現フレームを準音声状態と判定し、
前フレームが準音声状態である場合において、現フレームの前記状態フィルタの出力値が第1のしきい値を超えたとき、現フレームを音声状態と判定し、
前フレームが音声状態である場合において、現フレームが前記判別ステップで非音声状態と判別されたとき、現フレームを準非音声状態と判定し、
前フレームが準音声状態または準非音声状態である場合において、現フレームの前記状態フィルタの出力値が前記第1のしきい値より低い第2のしきい値を下回ったとき、現フレームを非音声状態と判定する、判定ステップと、
前記判定ステップにより現フレームが音声状態と判定されたとき、前記状態フィルタの出力値を最大値1に設定し、前記判定ステップにより現フレームが非音声状態と判定されたとき、前記状態フィルタの出力値を最小値0に設定する設定ステップと、
を有することを特徴とする信号処理方法。 - コンピュータを、所定時間長の信号系列をフレーム単位に入力し、現フレームが、音声状態、非音声状態、非音声状態から音声状態に向かう中間の状態を示す準音声状態、音声状態から非音声状態に向かう中間の状態を示す準非音声状態、の4状態のうちいずれの状態であるかを判定する信号処理装置として機能させるためのプログラムであって、前記コンピュータを、
入力したフレームが音声状態か非音声状態かの2値で状態を判別する判別手段、
音声状態を1、非音声状態を0とするとき、現フレームの前記判別手段の判別結果を、過去1つ以上のフレームの前記判別手段の判別結果に依存して0乃至1の間の値にスムージングする状態フィルタであって、現フレームの前記判別手段の判別結果と過去1つ以上のフレームの前記判別手段の判別結果とを重み付け加算することにより該スムージングした値を出力する状態フィルタ、
現フレームの状態を判定する判定手段であって、
前フレームが非音声状態である場合において、現フレームが前記判別手段で音声状態と判別されたとき、現フレームを準音声状態と判定し、
前フレームが準音声状態である場合において、現フレームの前記状態フィルタの出力値が第1のしきい値を超えたとき、現フレームを音声状態と判定し、
前フレームが音声状態である場合において、現フレームが前記判別手段で非音声状態と判別されたとき、現フレームを準非音声状態と判定し、
前フレームが準音声状態または準非音声状態である場合において、現フレームの前記状態フィルタの出力値が前記第1のしきい値より低い第2のしきい値を下回ったとき、現フレームを非音声状態と判定する、判定手段、
前記判定手段により現フレームが音声状態と判定されたとき、前記状態フィルタの出力値を最大値1に設定し、前記判定手段により現フレームが非音声状態と判定されたとき、前記状態フィルタの出力値を最小値0に設定する設定手段、
として機能させるためのプログラム。 - 請求項3に記載のプログラムを格納したコンピュータ読み取り可能な記憶媒体。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004093166A JP4587160B2 (ja) | 2004-03-26 | 2004-03-26 | 信号処理装置および方法 |
US11/082,931 US7756707B2 (en) | 2004-03-26 | 2005-03-18 | Signal processing apparatus and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004093166A JP4587160B2 (ja) | 2004-03-26 | 2004-03-26 | 信号処理装置および方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005283634A JP2005283634A (ja) | 2005-10-13 |
JP4587160B2 true JP4587160B2 (ja) | 2010-11-24 |
Family
ID=34991214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004093166A Expired - Fee Related JP4587160B2 (ja) | 2004-03-26 | 2004-03-26 | 信号処理装置および方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7756707B2 (ja) |
JP (1) | JP4587160B2 (ja) |
Families Citing this family (103)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
JP4321518B2 (ja) * | 2005-12-27 | 2009-08-26 | 三菱電機株式会社 | 楽曲区間検出方法、及びその装置、並びにデータ記録方法、及びその装置 |
JP4791857B2 (ja) * | 2006-03-02 | 2011-10-12 | 日本放送協会 | 発話区間検出装置及び発話区間検出プログラム |
JP4810343B2 (ja) * | 2006-07-20 | 2011-11-09 | キヤノン株式会社 | 音声処理装置およびその制御方法 |
JP2008048076A (ja) * | 2006-08-11 | 2008-02-28 | Canon Inc | 音声処理装置およびその制御方法 |
US7680657B2 (en) * | 2006-08-15 | 2010-03-16 | Microsoft Corporation | Auto segmentation based partitioning and clustering approach to robust endpointing |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US20080189109A1 (en) * | 2007-02-05 | 2008-08-07 | Microsoft Corporation | Segmentation posterior based boundary point determination |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US10255566B2 (en) | 2011-06-03 | 2019-04-09 | Apple Inc. | Generating and processing task items that represent tasks to perform |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
EP2619753B1 (en) * | 2010-12-24 | 2014-05-21 | Huawei Technologies Co., Ltd. | Method and apparatus for adaptively detecting voice activity in input audio signal |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
US10817787B1 (en) * | 2012-08-11 | 2020-10-27 | Guangsheng Zhang | Methods for building an intelligent computing device based on linguistic analysis |
WO2014124332A2 (en) | 2013-02-07 | 2014-08-14 | Apple Inc. | Voice trigger for a digital assistant |
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 |
KR101922663B1 (ko) | 2013-06-09 | 2018-11-28 | 애플 인크. | 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스 |
KR20140147587A (ko) * | 2013-06-20 | 2014-12-30 | 한국전자통신연구원 | Wfst를 이용한 음성 끝점 검출 장치 및 방법 |
JP6163266B2 (ja) | 2013-08-06 | 2017-07-12 | アップル インコーポレイテッド | リモート機器からの作動に基づくスマート応答の自動作動 |
CN104700830B (zh) * | 2013-12-06 | 2018-07-24 | 中国移动通信集团公司 | 一种语音端点检测方法及装置 |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
AU2015266863B2 (en) | 2014-05-30 | 2018-03-15 | 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 |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
US10229686B2 (en) * | 2014-08-18 | 2019-03-12 | Nuance Communications, Inc. | Methods and apparatus for speech segmentation using multiple metadata |
US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
US10070219B2 (en) * | 2014-12-24 | 2018-09-04 | Hytera Communications Corporation Limited | Sound feedback detection method and device |
US10152299B2 (en) | 2015-03-06 | 2018-12-11 | Apple Inc. | Reducing response latency of intelligent automated assistants |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US10186254B2 (en) * | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
KR102446392B1 (ko) * | 2015-09-23 | 2022-09-23 | 삼성전자주식회사 | 음성 인식이 가능한 전자 장치 및 방법 |
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 |
US10854192B1 (en) * | 2016-03-30 | 2020-12-01 | Amazon Technologies, Inc. | Domain specific endpointing |
CN105976810B (zh) * | 2016-04-28 | 2020-08-14 | Tcl科技集团股份有限公司 | 一种检测语音有效话语段端点的方法和装置 |
US11227589B2 (en) | 2016-06-06 | 2022-01-18 | Apple Inc. | Intelligent list reading |
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 |
US20170365249A1 (en) * | 2016-06-21 | 2017-12-21 | Apple Inc. | System and method of performing automatic speech recognition using end-pointing markers generated using accelerometer-based voice activity detector |
US10474753B2 (en) | 2016-09-07 | 2019-11-12 | Apple Inc. | Language identification using recurrent neural networks |
US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
DK201770383A1 (en) | 2017-05-09 | 2018-12-14 | Apple Inc. | USER INTERFACE FOR CORRECTING RECOGNITION ERRORS |
US10417266B2 (en) | 2017-05-09 | 2019-09-17 | Apple Inc. | Context-aware ranking of intelligent response suggestions |
US10395654B2 (en) | 2017-05-11 | 2019-08-27 | Apple Inc. | Text normalization based on a data-driven learning network |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
US11301477B2 (en) | 2017-05-12 | 2022-04-12 | Apple Inc. | Feedback analysis of a digital assistant |
DK201770427A1 (en) | 2017-05-12 | 2018-12-20 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US10311144B2 (en) | 2017-05-16 | 2019-06-04 | Apple Inc. | Emoji word sense disambiguation |
US10303715B2 (en) | 2017-05-16 | 2019-05-28 | Apple Inc. | Intelligent automated assistant for media exploration |
DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
US11158311B1 (en) | 2017-08-14 | 2021-10-26 | Guangsheng Zhang | System and methods for machine understanding of human intentions |
US10592604B2 (en) | 2018-03-12 | 2020-03-17 | Apple Inc. | Inverse text normalization for automatic speech recognition |
US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
CN108665889B (zh) * | 2018-04-20 | 2021-09-28 | 百度在线网络技术(北京)有限公司 | 语音信号端点检测方法、装置、设备及存储介质 |
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 |
US10984780B2 (en) | 2018-05-21 | 2021-04-20 | Apple Inc. | Global semantic word embeddings using bi-directional recurrent neural networks |
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 |
DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
US11386266B2 (en) | 2018-06-01 | 2022-07-12 | Apple Inc. | Text correction |
US10504518B1 (en) | 2018-06-03 | 2019-12-10 | Apple Inc. | Accelerated task performance |
CN108806707B (zh) | 2018-06-11 | 2020-05-12 | 百度在线网络技术(北京)有限公司 | 语音处理方法、装置、设备及存储介质 |
US11010561B2 (en) | 2018-09-27 | 2021-05-18 | Apple Inc. | Sentiment prediction from textual data |
US10839159B2 (en) | 2018-09-28 | 2020-11-17 | Apple Inc. | Named entity normalization in a spoken dialog system |
US11170166B2 (en) | 2018-09-28 | 2021-11-09 | Apple Inc. | Neural typographical error modeling via generative adversarial networks |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
CN112955951A (zh) * | 2018-11-15 | 2021-06-11 | 深圳市欢太科技有限公司 | 语音端点检测方法、装置、存储介质及电子设备 |
US11638059B2 (en) | 2019-01-04 | 2023-04-25 | Apple Inc. | Content playback on multiple devices |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
DK201970511A1 (en) | 2019-05-31 | 2021-02-15 | Apple Inc | Voice identification in digital assistant systems |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
US11488406B2 (en) | 2019-09-25 | 2022-11-01 | Apple Inc. | Text detection using global geometry estimators |
US11620999B2 (en) | 2020-09-18 | 2023-04-04 | Apple Inc. | Reducing device processing of unintended audio |
JP7498231B2 (ja) | 2022-08-25 | 2024-06-11 | Necパーソナルコンピュータ株式会社 | 情報処理装置、音声認識支援方法、及び音声認識支援プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60209799A (ja) * | 1984-02-29 | 1985-10-22 | 日本電気株式会社 | 音声検出器の出力保持回路 |
JPH05224686A (ja) * | 1992-02-12 | 1993-09-03 | Matsushita Electric Ind Co Ltd | 有音無音判定方法およびその装置 |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4281218A (en) | 1979-10-26 | 1981-07-28 | Bell Telephone Laboratories, Incorporated | Speech-nonspeech detector-classifier |
US4696039A (en) | 1983-10-13 | 1987-09-22 | Texas Instruments Incorporated | Speech analysis/synthesis system with silence suppression |
ATA78889A (de) * | 1989-04-04 | 1994-02-15 | Siemens Ag Oesterreich | Schnurlos-telefonsystem mit mobilteilen und feststationen |
US5579431A (en) | 1992-10-05 | 1996-11-26 | Panasonic Technologies, Inc. | Speech detection in presence of noise by determining variance over time of frequency band limited energy |
JP3397372B2 (ja) | 1993-06-16 | 2003-04-14 | キヤノン株式会社 | 音声認識方法及び装置 |
JP3450411B2 (ja) | 1994-03-22 | 2003-09-22 | キヤノン株式会社 | 音声情報処理方法及び装置 |
JP3548230B2 (ja) | 1994-05-30 | 2004-07-28 | キヤノン株式会社 | 音声合成方法及び装置 |
JP3559588B2 (ja) | 1994-05-30 | 2004-09-02 | キヤノン株式会社 | 音声合成方法及び装置 |
JP3530591B2 (ja) | 1994-09-14 | 2004-05-24 | キヤノン株式会社 | 音声認識装置及びこれを用いた情報処理装置とそれらの方法 |
JP3581401B2 (ja) | 1994-10-07 | 2004-10-27 | キヤノン株式会社 | 音声認識方法 |
JP3453456B2 (ja) | 1995-06-19 | 2003-10-06 | キヤノン株式会社 | 状態共有モデルの設計方法及び装置ならびにその状態共有モデルを用いた音声認識方法および装置 |
JP3459712B2 (ja) | 1995-11-01 | 2003-10-27 | キヤノン株式会社 | 音声認識方法及び装置及びコンピュータ制御装置 |
JPH09258771A (ja) | 1996-03-25 | 1997-10-03 | Canon Inc | 音声処理方法及び装置 |
JPH1097276A (ja) | 1996-09-20 | 1998-04-14 | Canon Inc | 音声認識方法及び装置並びに記憶媒体 |
JPH10161692A (ja) | 1996-12-03 | 1998-06-19 | Canon Inc | 音声認識装置及び音声認識方法 |
US6097820A (en) * | 1996-12-23 | 2000-08-01 | Lucent Technologies Inc. | System and method for suppressing noise in digitally represented voice signals |
JPH10254486A (ja) | 1997-03-13 | 1998-09-25 | Canon Inc | 音声認識装置および方法 |
JP3962445B2 (ja) | 1997-03-13 | 2007-08-22 | キヤノン株式会社 | 音声処理方法及び装置 |
US6415253B1 (en) * | 1998-02-20 | 2002-07-02 | Meta-C Corporation | Method and apparatus for enhancing noise-corrupted speech |
US6480823B1 (en) | 1998-03-24 | 2002-11-12 | Matsushita Electric Industrial Co., Ltd. | Speech detection for noisy conditions |
JP2000047696A (ja) | 1998-07-29 | 2000-02-18 | Canon Inc | 情報処理方法及び装置、その記憶媒体 |
US6453285B1 (en) | 1998-08-21 | 2002-09-17 | Polycom, Inc. | Speech activity detector for use in noise reduction system, and methods therefor |
JP3697121B2 (ja) | 1998-10-15 | 2005-09-21 | キヤノン株式会社 | 太陽光発電装置およびその制御方法 |
US6249757B1 (en) | 1999-02-16 | 2001-06-19 | 3Com Corporation | System for detecting voice activity |
JP2002539528A (ja) | 1999-03-05 | 2002-11-19 | キヤノン株式会社 | データベース注釈付け及び検索 |
US6912209B1 (en) * | 1999-04-13 | 2005-06-28 | Broadcom Corporation | Voice gateway with echo cancellation |
JP2001282278A (ja) | 2000-03-31 | 2001-10-12 | Canon Inc | 音声情報処理装置及びその方法と記憶媒体 |
JP4054507B2 (ja) | 2000-03-31 | 2008-02-27 | キヤノン株式会社 | 音声情報処理方法および装置および記憶媒体 |
JP4632384B2 (ja) | 2000-03-31 | 2011-02-16 | キヤノン株式会社 | 音声情報処理装置及びその方法と記憶媒体 |
JP2001282279A (ja) | 2000-03-31 | 2001-10-12 | Canon Inc | 音声情報処理方法及び装置及び記憶媒体 |
JP3728172B2 (ja) | 2000-03-31 | 2005-12-21 | キヤノン株式会社 | 音声合成方法および装置 |
JP3728177B2 (ja) | 2000-05-24 | 2005-12-21 | キヤノン株式会社 | 音声処理システム、装置、方法及び記憶媒体 |
JP2002132287A (ja) | 2000-10-20 | 2002-05-09 | Canon Inc | 音声収録方法および音声収録装置および記憶媒体 |
GB0028277D0 (en) | 2000-11-20 | 2001-01-03 | Canon Kk | Speech processing system |
WO2002054744A1 (en) * | 2000-12-29 | 2002-07-11 | Nokia Corporation | Audio signal quality enhancement in a digital network |
DE60314929T2 (de) | 2002-02-15 | 2008-04-03 | Canon K.K. | Informationsverarbeitungsgerät und Verfahren mit Sprachsynthesefunktion |
JP2003295882A (ja) | 2002-04-02 | 2003-10-15 | Canon Inc | 音声合成用テキスト構造、音声合成方法、音声合成装置及びそのコンピュータ・プログラム |
-
2004
- 2004-03-26 JP JP2004093166A patent/JP4587160B2/ja not_active Expired - Fee Related
-
2005
- 2005-03-18 US US11/082,931 patent/US7756707B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60209799A (ja) * | 1984-02-29 | 1985-10-22 | 日本電気株式会社 | 音声検出器の出力保持回路 |
JPH05224686A (ja) * | 1992-02-12 | 1993-09-03 | Matsushita Electric Ind Co Ltd | 有音無音判定方法およびその装置 |
Also Published As
Publication number | Publication date |
---|---|
US7756707B2 (en) | 2010-07-13 |
US20050216261A1 (en) | 2005-09-29 |
JP2005283634A (ja) | 2005-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4587160B2 (ja) | 信号処理装置および方法 | |
US7117148B2 (en) | Method of noise reduction using correction vectors based on dynamic aspects of speech and noise normalization | |
US8874440B2 (en) | Apparatus and method for detecting speech | |
JP4497911B2 (ja) | 信号検出装置および方法、ならびにプログラム | |
US20060053003A1 (en) | Acoustic interval detection method and device | |
US20060253285A1 (en) | Method and apparatus using spectral addition for speaker recognition | |
JP2011158918A (ja) | クリーン信号確率変数の推定値を識別する方法 | |
JP4572218B2 (ja) | 音楽区間検出方法、音楽区間検出装置、音楽区間検出プログラム及び記録媒体 | |
JP2005522074A (ja) | 話者識別に基づくビデオのインデックスシステムおよび方法 | |
JPH0121519B2 (ja) | ||
US6704671B1 (en) | System and method of identifying the onset of a sonic event | |
US6470311B1 (en) | Method and apparatus for determining pitch synchronous frames | |
EP2328143A1 (en) | Human voice distinguishing method and device | |
JP6071944B2 (ja) | 話者速度変換システムおよびその方法ならびに速度変換装置 | |
JP2007093635A (ja) | 既知雑音除去装置 | |
JP4413175B2 (ja) | 非定常雑音判別方法、その装置、そのプログラム及びその記録媒体 | |
Huijbregts et al. | Filtering the unknown: Speech activity detection in heterogeneous video collections | |
Lin et al. | A Novel Normalization Method for Autocorrelation Function for Pitch Detection and for Speech Activity Detection. | |
JP2017211513A (ja) | 音声認識装置、その方法、及びプログラム | |
JP2019028301A (ja) | 音響信号処理装置、方法及びプログラム | |
JP2019029861A (ja) | 音響信号処理装置、方法及びプログラム | |
JP6790851B2 (ja) | 音声処理プログラム、音声処理方法、及び音声処理装置 | |
JP2003271189A (ja) | 話者方向検出回路及びその検出方法 | |
JP2009229583A (ja) | 信号検出方法及び装置 | |
JP2734526B2 (ja) | ピッチ抽出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100315 |
|
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: 20100830 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100831 Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100906 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130917 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130917 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130917 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130917 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |