JP5089772B2 - 音声活動を検出するための装置および方法 - Google Patents
音声活動を検出するための装置および方法 Download PDFInfo
- Publication number
- JP5089772B2 JP5089772B2 JP2010510638A JP2010510638A JP5089772B2 JP 5089772 B2 JP5089772 B2 JP 5089772B2 JP 2010510638 A JP2010510638 A JP 2010510638A JP 2010510638 A JP2010510638 A JP 2010510638A JP 5089772 B2 JP5089772 B2 JP 5089772B2
- Authority
- JP
- Japan
- Prior art keywords
- vad
- threshold
- background noise
- bias
- snr
- 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 abstract description 35
- 230000000694 effects Effects 0.000 title claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000007774 longterm Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 101150059859 VAD1 gene Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000011426 transformation method 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
- 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
- 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
-
- 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
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
- G10L2025/786—Adaptive threshold
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Noise Elimination (AREA)
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
本発明は、概して、音声信号処理に関し、特に、音声活動検出装置および方法に関する。
背景分析ユニットより出力されたパラメータによりVAD閾値のバイアスを得て、VAD閾値のバイアスを出力するように構成されたVAD閾値調整ユニットと、
VAD閾値調整ユニットから出力されたVAD閾値のバイアスにより、修正すべきVAD閾値を修正し、修正したVAD閾値を用いて背景ノイズ判断を実行して、VAD判断結果を出力するように構成されたVAD判断ユニットとを備える。
背景ノイズのVAD判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズの変動に関するパラメータを得るステップと、
背景ノイズの変動に関するパラメータによりVAD閾値のバイアスを得るステップと、
VAD閾値のバイアスにより、修正すべきVAD閾値を修正し、修正したVAD閾値を用いて背景ノイズのVAD判断を実行するステップとを備える。
図1は、本発明の第1実施形態におけるVAD装置を示す。VAD装置は背景分析ユニット、VAD閾値調整ユニット、VAD判断ユニットおよび外部インターフェースユニットを含む。
図2は、本発明の第2実施形態におけるVAD方法を示す。VAD方法は以下のステップを含む。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数である。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数であり、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数であり、pow_varは背景エネルギー変動サイズを示し、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数であり、spec_varは背景ノイズスペクトルの変動サイズを示し、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数であり、spec_varは背景ノイズスペクトルの変動サイズを示し、var_rateは背景ノイズ変動レートを示し、pow_varは背景エネルギー変動サイズを示し、f()は関数を示す。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により決まるvad_thr_delta_outのプラスあるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数である。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により決まるvad_thr_delta_outのプラスあるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数であり、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により決まるvad_thr_delta_outのプラスあるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数であり、pow_varは背景エネルギー変動サイズを示し、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により決まるvad_thr_delta_outのプラスあるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数であり、spec_varは背景ノイズスペクトルの変動サイズを示し、var_rateは背景ノイズ変動レートを示し、f()は関数を示す。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により決まるvad_thr_delta_outのプラスあるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数であり、spec_varは背景ノイズスペクトルの変動サイズを示し、var_rateは背景ノイズ変動レートを示し、pow_varは背景エネルギーの変動サイズを示し、f()は関数を示す。
この実施形態では、上述の実施形態におけるVAD装置および方法を組み合わせることによって、モジュラープロセスを提供する。
ただし、kがk番目のサブバンドのレベル、iがi番目のサブバンドのレベルを示す。サブバンドは、フィルタグループあるいは変換方法を用いて計算することができる。
(現在のフレームが背景フレームであるときのみ計算する)
Claims (11)
- 入力されたVAD(音声活動検出)判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズ変動に関するパラメータを得て、前記パラメータを出力するように構成された背景分析ユニットと、
背景分析ユニットより出力されたパラメータによりVAD閾値のバイアスを得て、VAD閾値のバイアスを出力するように構成されたVAD閾値調整ユニットと、
VAD閾値調整ユニットから出力されたVAD閾値のバイアスにより、修正すべきVAD閾値を修正し、修正した前記VAD閾値を用いて背景ノイズ判断を実行して、VAD判断結果を出力するように構成されたVAD判断ユニットと、
VAD装置の外部情報を受信するように構成された外部インターフェースと、を備える、VAD装置であって、
前記背景分析ユニットにより出力されたパラメータが、背景ノイズの信号ノイズ比(SNR)のピークを有し、
前記背景分析ユニットにより出力されたパラメータがさらに、背景エネルギー変動サイズ、背景ノイズスペクトル変動サイズ、長期SNRおよび背景ノイズ変動レートの少なくとも1つを備え、
前記VAD閾値調整ユニットが、背景分析ユニットにより出力されたパラメータに従いVAD閾値の第1のバイアスを得て、VAD閾値の第1のバイアスをVAD閾値の最終バイアスとしてVAD判断ユニットに出力するか、
前記VAD閾値調整ユニットが、前記背景分析ユニットにより出力されたパラメータに従いVAD閾値の第1のバイアス、および前記背景分析ユニットにより出力されたパラメータとVAD装置の外部情報に従いVAD閾値の第2のバイアスを得て、VAD閾値の第1のバイアスとVAD閾値の第2のバイアスを組み合わせることによってVAD閾値の最終バイアスと得て、VAD閾値の最終バイアスをVAD判断ユニットに出力するか、または
前記VAD閾値調整ユニットが、背景分析ユニットにより出力されたパラメータとVAD装置の外部情報に従いVAD閾値の第2のバイアスを得て、VAD閾値の第2のバイアスをVAD閾値の最終バイアスとしてVAD判断ユニットに出力する、VAD装置。 - 前記VAD閾値調整ユニットは、前記背景分析ユニットにより出力されたパラメータの1つを受けると、背景ノイズ変動に関連するパラメータの現在値に従い、VAD閾値のバイアスを更新する、請求項1に記載のVAD装置。
- 前記VAD判断ユニットが、修正すべきVAD閾値をリアルタイムで更新し、VAD閾値調整ユニットにより出力されたVAD閾値のバイアスを受けると修正すべき現在のVAD閾値を抽出し、VAD閾値のバイアスに従い現在のVAD閾値を修正する、請求項1又は2に記載のVAD装置。
- 背景ノイズのVAD(音声活動検出)判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズ変動に関するパラメータを得るステップと、
前記背景ノイズ変動に関するパラメータによりVAD閾値のバイアスを得るステップと、
VAD閾値のバイアスにより、修正すべきVAD閾値を修正し、修正した前記VAD閾値を用いて背景ノイズのVAD判断を実行するステップとを備える、VAD方法であって、
背景ノイズ変動に関わるパラメータが背景ノイズの信号ノイズ比(SNR)のピークを備え、
背景ノイズ変動に関わるパラメータが、背景エネルギー変動サイズ、背景ノイズスペクトル変動サイズ、長期SNRおよび背景ノイズ変動レートの少なくとも1つをさらに備え、
背景ノイズ変動に関わるパラメータに従いVAD閾値のバイアスを得る方法が、
設定に特定の情報を考慮する必要がない場合、背景ノイズ変動に関わるパラメータに従いVAD閾値の第1のバイアスを得て、前記VAD閾値の第1のバイアスをVAD閾値の最終バイアスとして使用することと、
設定に特定の情報を考慮する必要があり、背景音が不安定なノイズであるか、かつ/または信号ノイズ比(SNR)が低い場合、背景ノイズ変動に関わるパラメータに従いVAD閾値の第1のバイアスと、背景ノイズ変動に関わるパラメータと特定の情報に従いVAD閾値の第2のバイアスを得て、前記VAD閾値の第1のバイアスと前記VAD閾値の第2のバイアスを組み合わせることによってVAD閾値の最終バイアスを得ることと、
設定に特定の情報を考慮する必要があり、背景音が安定したノイズであるか、かつ/またはSNRが高い場合、背景ノイズ変動に関わるパラメータに従いVAD閾値の第1のバイアスを得て、前記VAD閾値の第1のバイアスをVAD閾値の最終バイアスとして使用することと、
設定に特定の情報だけを考慮する場合、背景ノイズ変動に関わるパラメータと特定の情報に従いVAD閾値の第2のバイアスを得て、前記VAD閾値の第2のバイアスをVAD閾値の最終バイアスとして使用することと
の少なくとも1つを備える、VAD方法。 - 背景ノイズ変動に関わるパラメータのいずれかが更新される際、前記VAD方法は、背景ノイズ変動に関わるパラメータの現在値に従いVAD閾値のバイアスを更新するステップを備える、請求項4に記載のVAD方法。
- VAD閾値の第1のバイアスが、背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期SNRおよび背景ノイズのピークSNRの少なくとも1つの増加に伴い増加する、請求項4に記載のVAD方法。
- vad_thr_delta=β*(snr_peak−vad_thr_default)と、
vad_thr_delta=β*f(var_rate)*(snr_peak−vad_thr_default)と、
vad_thr_delta=β*f(var_rate)*f(pow_var)*(snr_peak−vad_thr_default)と、
vad_thr_delta=β*f(var_rate)*f(spec_var)*(snr_peak−vad_thr_default)と、
vad_thr_delta=β*f(var_rate)*f(pow_var)*f(spec_var)*(snr_peak−vad_thr_default)との少
なくとも1つを更に備える、請求項6に記載のVAD方法。
ただし、vad_thr_deltaはVAD閾値の第1のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、snr_peakは背景ノイズのピークSNRを示し、βは定数であり、var_rateは背景ノイズ変動レートを示し、f()は関数を示し、pow_varは背景エネルギー変動サイズを示し、spec_varは背景ノイズスペクトル変動サイズを示す。 - 前記VAD閾値の第2のバイアスの絶対値が、前記背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期SNRおよび背景ノイズのピークSNRの少なくとも1つの増加に伴い、増加する、請求項4に記載のVAD方法。
- vad_thr_delta_out=sign*γ*(snr_peak−vad_thr_default)と、
vad_thr_delta_out=sign*γ*f(var_rate)*(snr_peak−vad_thr_default)と、
vad_thr_delta_out=sign*γ*f(var_rate)*f(pow_var)*(snr_peak−vad_thr_default)と、
vad_thr_delta_out=sign*γ*f(var_rate)*f(spec_var)*(snr_peak−vad_thr_default)と、
vad_thr_delta_out=sign*γ*f(var_rate)*f(pow_var)*f(spec_var)*(snr_peak−vad_thr_default)との少なくとも1つを更に備える、請求項8に記載のVAD方法。
ただし、vad_thr_delta_outはVAD閾値の第2のバイアスを示し、vad_thr_defaultは修正すべきVAD閾値を示し、signは、特定の情報の方向性により定まるvad_thr_de1ta_outのプラス記号あるいはマイナス記号を示し、snr_peakは背景ノイズのピークSNRを示し、γは定数であり、var_rateは背景ノイズ変動レートを示し、f()は関数を示し、pow_varは背景エネルギー変動サイズを示し、spec_varは背景ノイズスペクトル変動サイズを示す。 - snr_peakが、2つの隣接する非背景ノイズフレーム間の各背景ノイズフレームに対応するSNRのうち最も大きいSNRであるか、
snr_peakが、2つの隣接する背景ノイズフレーム間の各非背景ノイズフレームに対応するSNRのうち最も小さいSNRであるか、
snr_peakが、あらかじめ設定された数のフレームよりも小さい間隔を有する2つの背景ノイズフレーム間の各非背景ノイズフレームに対応するSNRのいずれかであるか、または
snr_peakが、あらかじめ設定された数のフレームよりも大きい間隔を有する2つの背景ノイズフレーム間のあらかじめ設定された閾値よりも小さい非背景ノイズフレームに対応するSNRのいずれかである、請求項7又は9に記載のVAD方法。 - snr_peakがあらかじめ設定された数のフレームよりも大きい間隔を有する2つの背景ノイズフレーム間のあらかじめ設定された閾値よりも小さい非背景ノイズフレームに対応するSNRのいずれかである場合、前記2つの背景ノイズフレーム間の非背景ノイズフレームの全てのSNRが2つのグループ、すなわち、閾値よりも大きい全てのSNRを含むグループと、閾値よりも小さい全てのSNRを含むグループを備えると仮定し、各グループの平均値間の差異が最大となる閾値が、あらかじめ設定された閾値として決定される、という法則に従い、閾値が設定される、請求項10に記載のVAD方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101084080A CN101320559B (zh) | 2007-06-07 | 2007-06-07 | 一种声音激活检测装置及方法 |
CN200710108408.0 | 2007-06-07 | ||
PCT/CN2008/070899 WO2008148323A1 (fr) | 2007-06-07 | 2008-05-07 | Procédé et dispositif de détection d'activité vocale |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010529494A JP2010529494A (ja) | 2010-08-26 |
JP5089772B2 true JP5089772B2 (ja) | 2012-12-05 |
Family
ID=40093178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010510638A Active JP5089772B2 (ja) | 2007-06-07 | 2008-05-07 | 音声活動を検出するための装置および方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8275609B2 (ja) |
EP (1) | EP2159788B1 (ja) |
JP (1) | JP5089772B2 (ja) |
KR (1) | KR101158291B1 (ja) |
CN (1) | CN101320559B (ja) |
AT (1) | ATE540398T1 (ja) |
WO (1) | WO2008148323A1 (ja) |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011033680A (ja) * | 2009-07-30 | 2011-02-17 | Sony Corp | 音声処理装置及び方法、並びにプログラム |
US8571231B2 (en) * | 2009-10-01 | 2013-10-29 | Qualcomm Incorporated | Suppressing noise in an audio signal |
CN102044243B (zh) * | 2009-10-15 | 2012-08-29 | 华为技术有限公司 | 语音激活检测方法与装置、编码器 |
CN102044241B (zh) * | 2009-10-15 | 2012-04-04 | 华为技术有限公司 | 一种实现通信系统中背景噪声的跟踪的方法和装置 |
CN102044246B (zh) * | 2009-10-15 | 2012-05-23 | 华为技术有限公司 | 一种音频信号检测方法和装置 |
CA2778343A1 (en) * | 2009-10-19 | 2011-04-28 | Martin Sehlstedt | Method and voice activity detector for a speech encoder |
WO2012083552A1 (en) * | 2010-12-24 | 2012-06-28 | Huawei Technologies Co., Ltd. | Method and apparatus for voice activity detection |
ES2665944T3 (es) * | 2010-12-24 | 2018-04-30 | Huawei Technologies Co., Ltd. | Aparato para realizar una detección de actividad de voz |
HUE053127T2 (hu) | 2010-12-24 | 2021-06-28 | Huawei Tech Co Ltd | Eljárás és berendezés hang aktivitás adaptív detektálására egy bemeneti audiójelben |
US8650029B2 (en) * | 2011-02-25 | 2014-02-11 | Microsoft Corporation | Leveraging speech recognizer feedback for voice activity detection |
CN102148030A (zh) * | 2011-03-23 | 2011-08-10 | 同济大学 | 一种语音识别的端点检测方法 |
CN104303504B (zh) | 2012-01-18 | 2019-04-16 | 卢卡·罗萨托 | 稳定信息和瞬时/随机信息的不同编码和解码 |
JP5936378B2 (ja) * | 2012-02-06 | 2016-06-22 | 三菱電機株式会社 | 音声区間検出装置 |
CN103325386B (zh) | 2012-03-23 | 2016-12-21 | 杜比实验室特许公司 | 用于信号传输控制的方法和系统 |
US20140278389A1 (en) * | 2013-03-12 | 2014-09-18 | Motorola Mobility Llc | Method and Apparatus for Adjusting Trigger Parameters for Voice Recognition Processing Based on Noise Characteristics |
CN103839544B (zh) * | 2012-11-27 | 2016-09-07 | 展讯通信(上海)有限公司 | 语音激活检测方法和装置 |
CN103903634B (zh) * | 2012-12-25 | 2018-09-04 | 中兴通讯股份有限公司 | 激活音检测及用于激活音检测的方法和装置 |
CN103077723B (zh) * | 2013-01-04 | 2015-07-08 | 鸿富锦精密工业(深圳)有限公司 | 音频传输系统 |
CN103971680B (zh) | 2013-01-24 | 2018-06-05 | 华为终端(东莞)有限公司 | 一种语音识别的方法、装置 |
CN103065631B (zh) | 2013-01-24 | 2015-07-29 | 华为终端有限公司 | 一种语音识别的方法、装置 |
US9697831B2 (en) | 2013-06-26 | 2017-07-04 | Cirrus Logic, Inc. | Speech recognition |
CN106409310B (zh) | 2013-08-06 | 2019-11-19 | 华为技术有限公司 | 一种音频信号分类方法和装置 |
KR102172149B1 (ko) * | 2013-12-03 | 2020-11-02 | 주식회사 케이티 | 컨텐츠 재생 방법, 대사 구간 데이터 제공 방법 및 동영상 컨텐츠 재생 단말 |
US8990079B1 (en) * | 2013-12-15 | 2015-03-24 | Zanavox | Automatic calibration of command-detection thresholds |
US9524735B2 (en) | 2014-01-31 | 2016-12-20 | Apple Inc. | Threshold adaptation in two-channel noise estimation and voice activity detection |
CN107293287B (zh) * | 2014-03-12 | 2021-10-26 | 华为技术有限公司 | 检测音频信号的方法和装置 |
US10770075B2 (en) | 2014-04-21 | 2020-09-08 | Qualcomm Incorporated | Method and apparatus for activating application by speech input |
US9467779B2 (en) | 2014-05-13 | 2016-10-11 | Apple Inc. | Microphone partial occlusion detector |
CN104269178A (zh) * | 2014-08-08 | 2015-01-07 | 华迪计算机集团有限公司 | 对语音信号进行自适应谱减和小波包消噪处理的方法和装置 |
CN110895930B (zh) * | 2015-05-25 | 2022-01-28 | 展讯通信(上海)有限公司 | 语音识别方法及装置 |
CN106328169B (zh) | 2015-06-26 | 2018-12-11 | 中兴通讯股份有限公司 | 一种激活音修正帧数的获取方法、激活音检测方法和装置 |
US10121471B2 (en) * | 2015-06-29 | 2018-11-06 | Amazon Technologies, Inc. | Language model speech endpointing |
CN104997014A (zh) * | 2015-08-15 | 2015-10-28 | 黄佩霞 | 一种可调理贫血的药膳配方及其制作方法 |
CN105261368B (zh) * | 2015-08-31 | 2019-05-21 | 华为技术有限公司 | 一种语音唤醒方法及装置 |
US10482899B2 (en) | 2016-08-01 | 2019-11-19 | Apple Inc. | Coordination of beamformers for noise estimation and noise suppression |
US9978392B2 (en) * | 2016-09-09 | 2018-05-22 | Tata Consultancy Services Limited | Noisy signal identification from non-stationary audio signals |
US11150866B2 (en) * | 2018-11-13 | 2021-10-19 | Synervoz Communications Inc. | Systems and methods for contextual audio detection and communication mode transactions |
CN110738986B (zh) * | 2019-10-24 | 2022-08-05 | 数据堂(北京)智能科技有限公司 | 一种长语音标注装置及方法 |
CN111540342B (zh) * | 2020-04-16 | 2022-07-19 | 浙江大华技术股份有限公司 | 一种能量阈值调整方法、装置、设备及介质 |
CN111739542B (zh) * | 2020-05-13 | 2023-05-09 | 深圳市微纳感知计算技术有限公司 | 一种特征声音检测的方法、装置及设备 |
TWI756817B (zh) * | 2020-09-08 | 2022-03-01 | 瑞昱半導體股份有限公司 | 語音活動偵測裝置與方法 |
CN112185426B (zh) * | 2020-09-30 | 2022-12-27 | 青岛信芯微电子科技股份有限公司 | 一种语音端点检测设备及方法 |
CN113571072B (zh) * | 2021-09-26 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 一种语音编码方法、装置、设备、存储介质及产品 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6216103B1 (en) * | 1997-10-20 | 2001-04-10 | Sony Corporation | Method for implementing a speech recognition system to determine speech endpoints during conditions with background noise |
US6480823B1 (en) * | 1998-03-24 | 2002-11-12 | Matsushita Electric Industrial Co., Ltd. | Speech detection for noisy conditions |
FI118359B (fi) | 1999-01-18 | 2007-10-15 | Nokia Corp | Menetelmä puheentunnistuksessa ja puheentunnistuslaite ja langaton viestin |
US6453291B1 (en) * | 1999-02-04 | 2002-09-17 | Motorola, Inc. | Apparatus and method for voice activity detection in a communication system |
US6324509B1 (en) * | 1999-02-08 | 2001-11-27 | Qualcomm Incorporated | Method and apparatus for accurate endpointing of speech in the presence of noise |
US6618701B2 (en) | 1999-04-19 | 2003-09-09 | Motorola, Inc. | Method and system for noise suppression using external voice activity detection |
US6910011B1 (en) * | 1999-08-16 | 2005-06-21 | Haman Becker Automotive Systems - Wavemakers, Inc. | Noisy acoustic signal enhancement |
US20030179888A1 (en) * | 2002-03-05 | 2003-09-25 | Burnett Gregory C. | Voice activity detection (VAD) devices and methods for use with noise suppression systems |
CN1123863C (zh) * | 2000-11-10 | 2003-10-08 | 清华大学 | 基于语音识别的信息校核方法 |
CN1513278A (zh) | 2001-05-30 | 2004-07-14 | 艾黎弗公司 | 使用声学传感器和非声学传感器检测有声和无声语音 |
US7031916B2 (en) * | 2001-06-01 | 2006-04-18 | Texas Instruments Incorporated | Method for converging a G.729 Annex B compliant voice activity detection circuit |
WO2004034379A2 (en) | 2002-10-11 | 2004-04-22 | Nokia Corporation | Methods and devices for source controlled variable bit-rate wideband speech coding |
EP1443498B1 (en) * | 2003-01-24 | 2008-03-19 | Sony Ericsson Mobile Communications AB | Noise reduction and audio-visual speech activity detection |
US8073689B2 (en) * | 2003-02-21 | 2011-12-06 | Qnx Software Systems Co. | Repetitive transient noise removal |
SG119199A1 (en) * | 2003-09-30 | 2006-02-28 | Stmicroelectronics Asia Pacfic | Voice activity detector |
CA2454296A1 (en) * | 2003-12-29 | 2005-06-29 | Nokia Corporation | Method and device for speech enhancement in the presence of background noise |
CN100456356C (zh) * | 2004-11-12 | 2009-01-28 | 中国科学院声学研究所 | 一种应用于语音识别系统的语音端点检测方法 |
EP1861846B1 (en) * | 2005-03-24 | 2011-09-07 | Mindspeed Technologies, Inc. | Adaptive voice mode extension for a voice activity detector |
-
2007
- 2007-06-07 CN CN2007101084080A patent/CN101320559B/zh active Active
-
2008
- 2008-05-07 KR KR1020097026440A patent/KR101158291B1/ko active IP Right Grant
- 2008-05-07 WO PCT/CN2008/070899 patent/WO2008148323A1/zh active Application Filing
- 2008-05-07 EP EP08734254A patent/EP2159788B1/en active Active
- 2008-05-07 AT AT08734254T patent/ATE540398T1/de active
- 2008-05-07 JP JP2010510638A patent/JP5089772B2/ja active Active
-
2009
- 2009-12-04 US US12/630,963 patent/US8275609B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN101320559B (zh) | 2011-05-18 |
US8275609B2 (en) | 2012-09-25 |
KR20100012035A (ko) | 2010-02-04 |
JP2010529494A (ja) | 2010-08-26 |
ATE540398T1 (de) | 2012-01-15 |
CN101320559A (zh) | 2008-12-10 |
EP2159788A4 (en) | 2010-09-01 |
WO2008148323A1 (fr) | 2008-12-11 |
KR101158291B1 (ko) | 2012-06-20 |
US20100088094A1 (en) | 2010-04-08 |
EP2159788B1 (en) | 2012-01-04 |
EP2159788A1 (en) | 2010-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5089772B2 (ja) | 音声活動を検出するための装置および方法 | |
RU2417456C2 (ru) | Системы, способы и устройства для обнаружения изменения сигналов | |
Moattar et al. | A simple but efficient real-time voice activity detection algorithm | |
CN101197130B (zh) | 声音活动检测方法和声音活动检测器 | |
US9099098B2 (en) | Voice activity detection in presence of background noise | |
CN104966517B (zh) | 一种音频信号增强方法和装置 | |
CN103650040B (zh) | 使用多特征建模分析语音/噪声可能性的噪声抑制方法和装置 | |
US8990074B2 (en) | Noise-robust speech coding mode classification | |
CN103117067B (zh) | 一种低信噪比下语音端点检测方法 | |
TWI467979B (zh) | 用於信號改變偵測之系統、方法及裝置 | |
CN112489665A (zh) | 语音处理方法、装置以及电子设备 | |
EP1312075A1 (en) | Method for noise robust classification in speech coding | |
CN110600019B (zh) | 基于实时场景下语音信噪比预分级的卷积神经网络计算电路 | |
CN1275223C (zh) | 一种低比特变速率语言编码器 | |
Vini | Voice Activity Detection Techniques-A Review | |
Chen et al. | A Support Vector Machine Based Voice Activity Detection Algorithm for AMR-WB Speech Codec System | |
CN116364107A (zh) | 一种语音信号检测方法、装置、设备及存储介质 | |
CN113327634A (zh) | 一种应用于低功耗电路的语音活动检测方法及系统 | |
Syed et al. | Speech Waveform Compression Using Robust Adaptive Voice Activity Detection for Nonstationary Noise. | |
CN113160816A (zh) | 一种基于神经网络vad算法的人机交互方法 | |
KR20050005604A (ko) | 다수의 대역들을 이용한 대역별 음성신호 판정장치 및 방법 | |
Karpov et al. | Combining Voice Activity Detection Algorithms by Decision Fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120131 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120424 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120502 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120731 |
|
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: 20120821 |
|
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: 20120911 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150921 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5089772 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |