JP5411936B2 - 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 - Google Patents
音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 Download PDFInfo
- Publication number
- JP5411936B2 JP5411936B2 JP2011523623A JP2011523623A JP5411936B2 JP 5411936 B2 JP5411936 B2 JP 5411936B2 JP 2011523623 A JP2011523623 A JP 2011523623A JP 2011523623 A JP2011523623 A JP 2011523623A JP 5411936 B2 JP5411936 B2 JP 5411936B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- probability
- signal
- gmm
- noise
- 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 56
- 238000009826 distribution Methods 0.000 claims description 104
- 238000012545 processing Methods 0.000 claims description 95
- 238000004364 calculation method Methods 0.000 claims description 71
- 238000004458 analytical method Methods 0.000 claims description 41
- 230000001629 suppression Effects 0.000 claims description 39
- 230000005236 sound signal Effects 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 31
- 230000000737 periodic effect Effects 0.000 claims description 22
- 230000007704 transition Effects 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 12
- 239000006185 dispersion Substances 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000005295 random walk Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 22
- 238000001228 spectrum Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000007493 shaping process Methods 0.000 description 5
- 238000005311 autocorrelation function Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000004088 simulation 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
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (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
次に、確率モデルパラメータ推定・確率計算部11のより具体的な機能構成例を示して更に詳しく説明する。
図3と図4は確率モデルパラメータ推定・確率計算部11のより具体的な機能構成例を2つの部分に分けて示し、その動作フローを図5に示す。確率モデルパラメータ推定・確率計算部11は、フレーム判定処理部110と、初期雑音確率モデル推定処理部111と、パラメータ予測処理部112と、パラメータ更新処理部113と、確率モデルパラメータ生成推定処理部114と、出力確率算出部115と、確率重み算出処理部116と、必要分布決定処理部117と、第1加重平均処理部118と、第2加重平均処理部119とを備える。
確率モデルパラメータ推定・確率計算部11は、以上述べた処理を行い音響信号分析部10の出力パラメータとしてフレームtにおける音声/非音声確率bw,1,0(Ot),bw,1,1(Ot)を音声/非音声状態確率比算出部95に出力する。
図10に音声/非音声状態確率比算出部95の機能構成例を示す。音声/非音声状態確率比算出部95は、確率算出部950と、パラメータ記憶部951を備える。
図13に音声信号区間推定部96の機能構成例を示す。音声信号区間推定部96は、閾値処理部960と、音声信号区間整形部961を備え、音声状態/非音声状態確率比L(t)を入力として音響信号Atのフレームtが音声状態に属するか非音声状態に属するかを判定する。
信号平均部50の動作フローを図15に示す。信号平均部50は、まず、複数チャネルの音響信号入力を、時間軸方向に一定時間幅で始点を移動させながら、一定時間長の音響信号をフレームとして切り出す。例えば、サンプリング周波数8kHzでサンプリングした200サンプル点(25ms)の音響信号At,chを、80サンプル点(10ms)ずつ始点を移動させながらチャネル毎に切り出す。その際、例えば次式(39)によるハミング窓w(n)を利用して切り出す(ステップS50)。
図16に第2音響信号分析部60の機能構成例を示す。その動作フローを図17に示す。第2音響信号分析部60は、離散フーリエ変換部61と、パワー算出部62と、基本周波数推定部63と、周期性成分パワー算出部64と、減算部65と、除算部66と、確率算出部67とを備える。
パワー算出部62は、平均化信号At,nの平均パワーρtを、離散フーリエ変換部61の出力する周波数スペクトルXt(k)から式(42)により算出する(ステップS62)。
減算部65は、パワー算出部62の出力するパワーρtから、周期性成分パワー算出部64が出力する周期性成分のパワー^ρp tを式(48)で減算することで、周期性成分以外の非周期性成分のパワー^ρa tを推定する(ステップS65)。
実施例1では音声/非音声状態確率比L(t)を式(38)により計算するために、音響信号分析部10が出力する音声/非音声確率bw,1,j(Ot)を使って式(37)により前向き確率αt,jを求めた。実施例2の音声/非音声状態確率比算出部95′は、音声/非音声状態確率比L(t)を式(38)により計算するために、音響信号分析部10が出力する音声/非音声確率bw,1,j(Ot)に第2音響信号分析部60が出力する音声/非音声確率b2,j(ρt)を乗じた値を用いて前向き確率αt,jを式(54)により計算する点で、実施例1における音声/非音声状態確率比算出部95と異なる。それ以外の動作は同じである。
この発明の音声信号区間推定装置の音声信号区間検出性能を評価する実験を行った。実験条件は次の通りである。データベースには、音声信号区間検出の評価用に設計されたCENSREC-1-Cを用いた。CENSREC-1-Cは、人工的に作成したシミュレーションデータと、実環境で収録した実データの2種類のデータを含んでおり、この実験では、実環境における雑音及び発声変形の影響等の音声品質劣化の影響を調査するため実データを用いて評価した。CENSREC-1-Cは、参考文献「CENSREC-1-C:雑音下音声区間検出評価基盤の構築、情報処理学会研究報告、SLP-63-1,pp.1-6, Oct.2006.」に示されている。
性能の評価は次式の区間検出正解率Correct rateと区間検出正解精度Accuracyで行った。
Claims (16)
- 音声信号と雑音信号を含む音響ディジタル信号を入力として、その音響ディジタル信号のフレーム毎に予め生成した無音混合正規分布モデル、以下混合正規分布モデルをGMMと呼ぶ、とクリーン音声GMMを用いて雑音環境に適合させた非音声GMMと音声GMMを生成し、それぞれのGMMの中から最も小さい出力確率の1つ以上の正規分布を除いた残りの正規分布の非音声確率と音声確率を計算する音響信号分析部と、
上記非音声確率と音声確率を用いて音声状態/非音声状態の状態遷移モデルに基づいた音声/非音声状態確率比を算出し、算出した上記確率比に基づいて音声区間に関する情報を生成し、音声区間推定情報として出力する区間推定情報生成部と、
を含む音声信号区間推定装置。 - 請求項1に記載した音声信号区間推定装置において、上記音響信号分析部は、
初期の雑音確率モデルパラメータを推定する初期雑音確率モデル推定処理部と、
1フレーム前の雑音確率モデルパラメータの推定結果より現在のフレームの雑音確率モデルパラメータをランダムウオーク過程により予測するパラメータ予測処理部と、
現在のフレームの雑音確率モデルパラメータを入力として無音GMMとクリーン音声GMMに含まれる全ての正規分布のパラメータを更新するパラメータ更新処理部と、
更新された正規分布のパラメータと無音GMMとクリーン音声GMMの複数の正規分布のパラメータを用いて現在のフレームにおける雑音環境に適合させた非音声GMMと音声GMMを生成する確率モデルパラメータ生成推定処理部と、
上記生成されたGMMに含まれる各正規分布の出力確率を算出する出力確率算出処理部と、
上記各正規分布の出力確率の散らばりの度合いを高次統計量でパラメータ化して非音声状態と音声状態のそれぞれの上記各正規分布の出力確率を重み付けする確率重みを算出する確率重み算出処理部と、
上記出力確率の値が微小となる正規分布を取り除き、十分大きな出力確率を持つ正規分布のみを抽出する必要分布決定処理部と、
上記パラメータ予測処理部で予測した現在のフレームの雑音確率モデルパラメータを、確率重み算出部が算出した確率重みを用いて加重平均する第1加重平均処理部と、
第1加重平均処理部で加重平均された雑音確率モデルパラメータを、上記必要分布決定処理部が抽出した正規分布についてのみ加重平均する第2加重平均処理部と、
を含む。 - 請求項1に記載の音声信号区間推定装置において、上記音響信号分析部は、
上記非音声確率及び音声確率の散らばり度合いを計算し、散らばり度合いが小さいほど、当該正規分布の出力確率が大きくなるように、その非音声確率及び音声確率を補正する確率重みをそれぞれ算出する確率重み算出処理部を含む。 - 請求項1記載の音声信号区間推定装置において、上記音響信号分析部は、上記出力確率の大きい順に順次累積和を算出し、所定値を越える累積和を与える出力確率の正規分布を除去すべき上記最も小さい出力確率の1つ以上の正規分布と決定する必要分布決定処理部を含む。
- 請求項1に記載の音声信号区間推定装置において、更に、
複数チャネルの上記音響ディジタル信号をフレーム毎に平均化する信号平均部と、
周期成分パワーと非周期成分パワーを用いて音声確率と非音声確率を求める第2音響信号分析部とを含み、
上記区間推定情報生成部は、上記音響信号分析部が計算する音声確率及び非音声確率に上記第2音響信号分析部が求める音声確率及び非音声確率をそれぞれ乗算し、乗算結果を用いて上記音声/非音声状態確率比を算出する。 - 請求項1乃至5の何れか記載の音声信号区間推定装置において、上記区間推定情報生成部は、
上記音声/非音声状態確率比を算出する音声/非音声状態確率比算出部と、
上記音声/非音声状態確率比から当該フレームの音響信号が音声状態であるか非音声状態であるかを判定し、判定結果に基づいて上記音声区間推定情報を生成する音声信号区間推定部とを含む。 - 請求項1乃至5の何れかに記載した音声信号区間推定装置は、更に、
上記区間推定情報生成部が算出する確率比と、上記音響信号分析部が計算する出力確率とを入力として雑音抑圧フィルタを生成し、上記音響ディジタル信号の雑音を抑圧する雑音抑圧部を含む。 - 音声信号と雑音信号を含む音響ディジタル信号を入力として、その音響ディジタル信号のフレーム毎に予め生成した無音混合正規分布モデル、以下混合正規分布モデルをGMMと呼ぶ、とクリーン音声GMMを用いて雑音環境に適合した非音声GMM及び音声GMMの確率モデルを生成し、それぞれのGMMの中から最も小さい出力確率の1つ以上の正規分布を除いた残りの正規分布の非音声確率と音声確率を計算する音響信号分析過程と、
上記非音声確率と音声確率を用いて音声状態/非音声状態の状態遷移モデルに基づいた音声/非音声状態確率比を算出し、算出した上記確率比に基づいて音声区間に関する情報を生成し、音声区間推定情報として出力する区間推定情報生成過程と、
を含む音声信号区間推定方法。 - 請求項8に記載した音声信号区間推定方法において、上記音響信号分析過程は、
初期の雑音確率モデルパラメータを推定する初期雑音確率モデル推定処理ステップと、
1フレーム前の雑音確率モデルパラメータの推定結果より現在のフレームの雑音確率モデルパラメータをランダムウオーク過程により予測するパラメータ予測処理ステップと、
現在のフレームの雑音確率モデルパラメータを入力として無音GMMとクリーン音声GMMに含まれる全ての正規分布のパラメータを更新するパラメータ更新処理ステップと、
更新された正規分布のパラメータと無音GMMとクリーン音声GMMの複数の正規分布のパラメータを用いて現在のフレームにおける雑音環境に適合させた非音声GMMと音声GMMを生成する確率モデルパラメータ生成推定処理ステップと、
上記生成されたGMMに含まれる各正規分布の出力確率を算出する出力確率算出処理ステップと、
上記各正規分布の出力確率の散らばりの度合いを高次統計量でパラメータ化して非音声状態と音声状態のそれぞれの上記各正規分布の出力確率を重み付けする確率重みを算出する確率重み算出ステップと、
上記出力確率の値が微小となる正規分布を取り除き、十分大きな出力確率を持つ正規分布のみを抽出する必要分布決定処理ステップと、
上記パラメータ予測処理ステップで予測した現在のフレームの雑音確率モデルパラメータを、確率重み算出部が算出した確率重みを用いて加重平均する第1加重平均処理ステップと、
第1加重平均処理部で加重平均された雑音確率モデルパラメータを、上記必要分布決定処理ステップで抽出した正規分布についてのみ加重平均する第2加重平均処理ステップと、
を含む。 - 請求項8に記載の音声信号区間推定方法において、上記音響信号分析過程は、
上記非音声確率及び音声確率の散らばり度合いを計算し、散らばり度合いが小さいほど、当該正規分布の出力確率が大きくなるように上記非音声確率及び音声確率を補正する過程を含む。 - 請求項8記載の音声信号区間推定方法において、上記音響信号分析過程は、上記出力確率の大きい順に順次累積和を算出し、所定値を越える累積和を与える出力確率の正規分布を除去すべき上記最も小さい出力確率の1つ以上の正規分布と決定する過程を含む。
- 請求項8に記載の音声信号区間推定方法において、更に、
信号平均部が、複数チャネルの上記音響ディジタル信号をフレーム毎に平均化する信号平均過程と、
周期成分パワーと非周期成分パワーを用いて音声確率と非音声確率を求める第2音響信号分析過程とを含み、
上記区間推定情報生成過程は、上記音響信号分析過程で計算する音声確率及び非音声確率と上記第2音響信号分析過程で求める音声確率及び非音声確率をそれぞれ乗算し、乗算結果を用いて上記音声/非音声状態確率比を算出する過程である。 - 請求項8乃至12の何れか記載の音声信号区間推定方法において、上記区間推定情報生成過程は、上記音声/非音声状態確率比を算出する音声/非音声状態確率比算出過程と、音声信号区間推定部が、上記音声/非音声状態確率比から当該フレームの音響信号が音声状態であるか非音声状態であるかを判定し、判定結果に基づいて上記音声区間推定情報を生成する音声信号区間推定過程とを含む。
- 請求項8乃至12の何れかに記載した音声信号区間推定方法に、更に、
上記区間推定情報生成過程で算出する確率比と、上記音響信号分析過程で計算する出力確率とを入力として雑音抑圧フィルタを生成し、上記音響ディジタル信号の雑音を抑圧する雑音抑圧過程を含む。 - 請求項1に記載した装置としてコンピュータを機能させるためのプログラム。
- 請求項1に記載した装置としてコンピュータを機能させるためのプログラムを記録した記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011523623A JP5411936B2 (ja) | 2009-07-21 | 2010-07-15 | 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009169788 | 2009-07-21 | ||
JP2009169788 | 2009-07-21 | ||
PCT/JP2010/061999 WO2011010604A1 (ja) | 2009-07-21 | 2010-07-15 | 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 |
JP2011523623A JP5411936B2 (ja) | 2009-07-21 | 2010-07-15 | 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2011010604A1 JPWO2011010604A1 (ja) | 2012-12-27 |
JP5411936B2 true JP5411936B2 (ja) | 2014-02-12 |
Family
ID=43499077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011523623A Active JP5411936B2 (ja) | 2009-07-21 | 2010-07-15 | 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9208780B2 (ja) |
JP (1) | JP5411936B2 (ja) |
CN (1) | CN102473412B (ja) |
WO (1) | WO2011010604A1 (ja) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5713818B2 (ja) * | 2011-06-27 | 2015-05-07 | 日本電信電話株式会社 | 雑音抑圧装置、方法及びプログラム |
US20140100847A1 (en) * | 2011-07-05 | 2014-04-10 | Mitsubishi Electric Corporation | Voice recognition device and navigation device |
KR101247652B1 (ko) * | 2011-08-30 | 2013-04-01 | 광주과학기술원 | 잡음 제거 장치 및 방법 |
CN103903629B (zh) * | 2012-12-28 | 2017-02-15 | 联芯科技有限公司 | 基于隐马尔科夫链模型的噪声估计方法和装置 |
JP6169849B2 (ja) * | 2013-01-15 | 2017-07-26 | 本田技研工業株式会社 | 音響処理装置 |
US9886968B2 (en) * | 2013-03-04 | 2018-02-06 | Synaptics Incorporated | Robust speech boundary detection system and method |
CN103646649B (zh) * | 2013-12-30 | 2016-04-13 | 中国科学院自动化研究所 | 一种高效的语音检测方法 |
US10134425B1 (en) * | 2015-06-29 | 2018-11-20 | Amazon Technologies, Inc. | Direction-based speech endpointing |
JP6501259B2 (ja) * | 2015-08-04 | 2019-04-17 | 本田技研工業株式会社 | 音声処理装置及び音声処理方法 |
US9754607B2 (en) | 2015-08-26 | 2017-09-05 | Apple Inc. | Acoustic scene interpretation systems and related methods |
US9792907B2 (en) | 2015-11-24 | 2017-10-17 | Intel IP Corporation | Low resource key phrase detection for wake on voice |
CN108292508B (zh) * | 2015-12-02 | 2021-11-23 | 日本电信电话株式会社 | 空间相关矩阵估计装置、空间相关矩阵估计方法和记录介质 |
US10964329B2 (en) * | 2016-07-11 | 2021-03-30 | FTR Labs Pty Ltd | Method and system for automatically diarising a sound recording |
JP6703460B2 (ja) * | 2016-08-25 | 2020-06-03 | 本田技研工業株式会社 | 音声処理装置、音声処理方法及び音声処理プログラム |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
CN106653047A (zh) * | 2016-12-16 | 2017-05-10 | 广州视源电子科技股份有限公司 | 一种音频数据的自动增益控制方法与装置 |
CN107134277A (zh) * | 2017-06-15 | 2017-09-05 | 深圳市潮流网络技术有限公司 | 一种基于gmm模型的语音激活检测方法 |
US10339935B2 (en) * | 2017-06-19 | 2019-07-02 | Intel Corporation | Context-aware enrollment for text independent speaker recognition |
CN107393559B (zh) * | 2017-07-14 | 2021-05-18 | 深圳永顺智信息科技有限公司 | 检校语音检测结果的方法及装置 |
CN108175436A (zh) * | 2017-12-28 | 2018-06-19 | 北京航空航天大学 | 一种肠鸣音智能自动识别方法 |
JP6725186B2 (ja) * | 2018-02-20 | 2020-07-15 | 三菱電機株式会社 | 学習装置、音声区間検出装置および音声区間検出方法 |
US11276390B2 (en) * | 2018-03-22 | 2022-03-15 | Casio Computer Co., Ltd. | Audio interval detection apparatus, method, and recording medium to eliminate a specified interval that does not represent speech based on a divided phoneme |
US10714122B2 (en) * | 2018-06-06 | 2020-07-14 | Intel Corporation | Speech classification of audio for wake on voice |
US20190044860A1 (en) * | 2018-06-18 | 2019-02-07 | Intel Corporation | Technologies for providing adaptive polling of packet queues |
US10650807B2 (en) | 2018-09-18 | 2020-05-12 | Intel Corporation | Method and system of neural network keyphrase detection |
US11955138B2 (en) * | 2019-03-15 | 2024-04-09 | Advanced Micro Devices, Inc. | Detecting voice regions in a non-stationary noisy environment |
US11127394B2 (en) | 2019-03-29 | 2021-09-21 | Intel Corporation | Method and system of high accuracy keyphrase detection for low resource devices |
CN110265012A (zh) * | 2019-06-19 | 2019-09-20 | 泉州师范学院 | 基于开源硬件可交互智能语音家居控制装置及控制方法 |
CN111722696B (zh) * | 2020-06-17 | 2021-11-05 | 思必驰科技股份有限公司 | 用于低功耗设备的语音数据处理方法和装置 |
CN112435691B (zh) * | 2020-10-12 | 2024-03-12 | 珠海亿智电子科技有限公司 | 在线语音端点检测后处理方法、装置、设备及存储介质 |
CN112967738B (zh) * | 2021-02-01 | 2024-06-14 | 腾讯音乐娱乐科技(深圳)有限公司 | 人声检测方法、装置及电子设备和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001343984A (ja) * | 2000-05-30 | 2001-12-14 | Matsushita Electric Ind Co Ltd | 有音/無音判定装置、音声復号化装置及び音声復号化方法 |
JP2002132289A (ja) * | 2000-10-23 | 2002-05-09 | Seiko Epson Corp | 音声認識方法および音声認識処理プログラムを記録した記録媒体ならびに音声認識装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5950158A (en) * | 1997-07-30 | 1999-09-07 | Nynex Science And Technology, Inc. | Methods and apparatus for decreasing the size of pattern recognition models by pruning low-scoring models from generated sets of models |
US6631348B1 (en) * | 2000-08-08 | 2003-10-07 | Intel Corporation | Dynamic speech recognition pattern switching for enhanced speech recognition accuracy |
US7305132B2 (en) * | 2003-11-19 | 2007-12-04 | Mitsubishi Electric Research Laboratories, Inc. | Classification in likelihood spaces |
US7725314B2 (en) * | 2004-02-16 | 2010-05-25 | Microsoft Corporation | Method and apparatus for constructing a speech filter using estimates of clean speech and noise |
US7509259B2 (en) * | 2004-12-21 | 2009-03-24 | Motorola, Inc. | Method of refining statistical pattern recognition models and statistical pattern recognizers |
GB2426166B (en) * | 2005-05-09 | 2007-10-17 | Toshiba Res Europ Ltd | Voice activity detection apparatus and method |
-
2010
- 2010-07-15 JP JP2011523623A patent/JP5411936B2/ja active Active
- 2010-07-15 US US13/384,917 patent/US9208780B2/en active Active
- 2010-07-15 WO PCT/JP2010/061999 patent/WO2011010604A1/ja active Application Filing
- 2010-07-15 CN CN201080032747.5A patent/CN102473412B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001343984A (ja) * | 2000-05-30 | 2001-12-14 | Matsushita Electric Ind Co Ltd | 有音/無音判定装置、音声復号化装置及び音声復号化方法 |
JP2002132289A (ja) * | 2000-10-23 | 2002-05-09 | Seiko Epson Corp | 音声認識方法および音声認識処理プログラムを記録した記録媒体ならびに音声認識装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2011010604A1 (ja) | 2012-12-27 |
US20120173234A1 (en) | 2012-07-05 |
CN102473412B (zh) | 2014-06-11 |
CN102473412A (zh) | 2012-05-23 |
US9208780B2 (en) | 2015-12-08 |
WO2011010604A1 (ja) | 2011-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5411936B2 (ja) | 音声信号区間推定装置と音声信号区間推定方法及びそのプログラムと記録媒体 | |
JP5229234B2 (ja) | 非音声区間検出方法及び非音声区間検出装置 | |
JP4586577B2 (ja) | 外乱成分抑圧装置、コンピュータプログラム、及び音声認識システム | |
JP5949553B2 (ja) | 音声認識装置、音声認識方法、および音声認識プログラム | |
JP6004792B2 (ja) | 音響処理装置、音響処理方法、及び音響処理プログラム | |
JP4856662B2 (ja) | 雑音除去装置、その方法、そのプログラム及び記録媒体 | |
US7552049B2 (en) | Noise adaptation system of speech model, noise adaptation method, and noise adaptation program for speech recognition | |
JP2006215564A (ja) | 自動音声認識システムにおける単語精度予測方法、及び装置 | |
JP2007279517A (ja) | 音源分離装置、音源分離装置用のプログラム及び音源分離方法 | |
Doulaty et al. | Automatic optimization of data perturbation distributions for multi-style training in speech recognition | |
JP4673828B2 (ja) | 音声信号区間推定装置、その方法、そのプログラム及び記録媒体 | |
KR100784456B1 (ko) | Gmm을 이용한 음질향상 시스템 | |
JP6216809B2 (ja) | パラメータ調整システム、パラメータ調整方法、プログラム | |
JP5191500B2 (ja) | 雑音抑圧フィルタ算出方法と、その装置と、プログラム | |
JP4755555B2 (ja) | 音声信号区間推定方法、及びその装置とそのプログラムとその記憶媒体 | |
JPH10133688A (ja) | 音声認識装置 | |
JP4691079B2 (ja) | 音声信号区間推定装置、方法、プログラムおよびこれを記録した記録媒体 | |
JP4690973B2 (ja) | 信号区間推定装置、方法、プログラム及びその記録媒体 | |
JP6653687B2 (ja) | 音響信号処理装置、方法及びプログラム | |
JP5457999B2 (ja) | 雑音抑圧装置とその方法とプログラム | |
JP6599408B2 (ja) | 音響信号処理装置、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 | |
Rangoussi et al. | Adaptive detection of noisy speech using third‐order statistics | |
JP4653673B2 (ja) | 信号判定装置、信号判定方法、信号判定プログラムおよび記録媒体 | |
JP2024031314A (ja) | 音声認識装置、音声認識方法、および、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130910 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131003 |
|
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: 20131029 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5411936 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |