JP5997813B2 - 話者分類装置、話者分類方法および話者分類プログラム - Google Patents
話者分類装置、話者分類方法および話者分類プログラム Download PDFInfo
- Publication number
- JP5997813B2 JP5997813B2 JP2015138079A JP2015138079A JP5997813B2 JP 5997813 B2 JP5997813 B2 JP 5997813B2 JP 2015138079 A JP2015138079 A JP 2015138079A JP 2015138079 A JP2015138079 A JP 2015138079A JP 5997813 B2 JP5997813 B2 JP 5997813B2
- Authority
- JP
- Japan
- Prior art keywords
- utterance
- speaker
- classification
- character string
- misclassified
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
第1の実施形態の話者分類装置は、会議等で収録済みの音響信号中の発話を話者毎に分類する装置である。発話を話者毎に分類することにより、議事録作成者(ユーザ)が、収録済みの音響信号のうち所望の話者の発話のみを選択的に聞くことができる。これによりユーザは、同一話者による発話内容の整合性を確認したり、会話の流れを確認したりすることが可能になり、議事録作成をスムーズに進めることができる。
図1は、第1の実施形態にかかる話者分類装置を示すブロック図である。本実施形態の話者分類装置は、入力された音響信号を発話毎に分割する発話分割部101と、音響的な特徴を利用して分割された発話を話者毎に分類し分類結果を取得する音響分類部102と、音声認識を利用して各発話の内容を表す文字列を取得する文字列変換部103と、分類結果に含まれる各話者について発話の内容を表す文字列を取得し、この文字列を利用して各話者の言語的な特徴を抽出する言語特徴抽出部104と、各発話の内容を表す文字列が、分類結果においてこの発話が分類された話者の言語的な特徴に適合するか否かを判別し、適合しない場合は、この発話は前記音響分類手段によって誤った話者に分類された発話であると判別する誤分類検出部105と、誤った話者に分類された発話と判別された発話の文字列が、他の話者の言語的な特徴に適合するか否かを判別し、適合した場合は、この発話はこの話者に属する発話であると判別する再分類判別部106と、話者分類装置による分類結果をユーザに適宜提示する表示部107とを備える。
本実施形態の読み記号列編集装置は、図2に示すような通常のコンピュータを利用したハードウェアで構成されており、装置全体を制御するCPU(Central Processing Unit)等の制御部201と、各種データや各種プログラムを記憶するROM(Read Only Memory)やRAM(Random Access Memory)等の記憶部202と、各種データや各種プログラムを記憶するHDD(Hard Disk Drive)やCD(Compact Disk)ドライブ装置等の外部記憶部203と、ユーザの指示入力を受け付けるキーボードやマウスなどの操作部204と、外部装置との通信を制御する通信部205と、音声波形を再生して再生音を発生させるスピーカ206と、映像を表示するディスプレイ207と、これらを接続するバス208とを備えている。
発話分割部101は、入力された音響信号を発話毎に分割する。発話毎への分割には、エネルギーやスペクトル特徴量を使用した音声区間検出技術を用いる。議事録作成対象となる音響信号は、HDD等の外部記憶部203から取得したり、通信部205を介してネットワークで接続された他の端末(図示なし)から取得したりすることができる。発話分割部101は、それぞれの発話について、「発話ID、開始時刻、終了時刻」を取得する。ここで、発話IDは、各発話に付与される通し番号であり、先頭から1、2、3・・・のように付与する。開始時刻および終了時刻は、各発話の始端および終端位置が、音響信号のどの時刻に対応するかを現す時間情報である。例えば、「3、00:00:18、00:00:25」という結果は、3番目(ID3)の発話が音響信号の18秒から25秒の区間に含まれることを意味する。
図4は、本実施形態にかかる話者分類装置の動作を示すフローチャートである。
このように、本実実施形態の話者分類装置は、言語的な特徴を用いて、音響的な特徴を利用した分類によって誤分類された発話を判別する。また、言語的な特徴を用いて、音響的な特徴によって誤分類された発話が本来分類されるべき話者を判別する。これにより、背景雑音を含んだ発話のように音響的な特徴だけでは分類が難しい発話を、言語的な特徴を用いて正しい話者に分類することができる。
本実施形態では、ステップS415における分類結果をユーザに提示し、最終的な話者はユーザが選択する構成であったが、再分類判別部106の話者分類の結果を最終的な分類結果として確定することもできる。
102 音響分類部
103 文字列変換部
104 言語特徴抽出部
105 誤分類検出部
106 再分類判別部
107 表示部
201 制御部
202 記憶部
203 外部記憶部
204 操作部
205 通信部
206 スピーカ
207 ディスプレイ
208 バス
1201 カーソル
1202 再生ボタン
1203 発話内容
1204 ドロップダウンリスト
Claims (9)
- 入力された音響信号に含まれる発話を、前記音響信号から抽出した音響的な特徴を利用して話者毎に分類し分類結果を取得する音響分類手段と、
前記発話の内容を表す文字列を取得し、この文字列を利用して前記分類結果に含まれる話者の言語的な特徴を抽出する言語特徴抽出手段と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者の前記言語的な特徴に適合するか否かを判別し、適合しない場合は、この発話は前記音響分類手段によって誤分類された発話であると判別する誤分類検出手段と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別手段と、
を備える話者分類装置。 - 前記言語特徴抽出手段が、予め記憶した言語に関するルールと各話者の前記発話の内容を表す文字列とが適合するか否かを判別し、適合する発話の数が所定閾値を超えるルールを前記話者の言語的な特徴とする請求項1記載の話者分類装置。
- 前記入力された音響信号に含まれる発話を音声認識して文字列に変換する文字列変換手段を更に備え、
前記発話の内容を表す文字列が、前記文字列変換手段で変換された文字列である請求項1乃至請求項2記載の話者分類装置。 - 前記音響分類手段の分類結果もしくは前記再分類判別手段での判別結果を表示する表示手段を更に備える請求項1記載の話者分類装置。
- 入力された音響信号に含まれる発話を、前記音響信号から抽出した音響的な特徴を利用して話者毎に分類し分類結果を取得する音響分類工程と、
前記発話の内容を表す文字列を取得し、この文字列を利用して前記分類結果に含まれる話者の言語的な特徴を抽出する言語特徴抽出工程と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者の前記言語的な特徴に適合するか否かを判別し、適合しない場合は、この発話は前記音響分類工程によって誤分類された発話であると判別する誤分類検出工程と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別工程と、
を備える話者分類方法。 - 話者分類装置に、
入力された音響信号に含まれる発話を、前記音響信号から抽出した音響的な特徴を利用して話者毎に分類し分類結果を取得する音響分類工程と、
前記発話の内容を表す文字列を取得し、この文字列を利用して前記分類結果に含まれる話者の言語的な特徴を抽出する言語特徴抽出工程と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者の前記言語的な特徴に適合するか否かを判別し、適合しない場合は、この発話は前記音響分類工程によって誤分類された発話であると判別する誤分類検出工程と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別工程と、
を実現させるための話者分類プログラム。 - 入力された発話を、話者毎に分類し分類結果を取得する分類手段と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者に適合するか否かを判別し、適合しない場合は、この発話は前記分類手段によって誤分類された発話であると判別する誤分類検出手段と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別手段と、
を備える話者分類装置。 - 入力された発話を、話者毎に分類し分類結果を取得する分類工程と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者に適合するか否かを判別し、適合しない場合は、この発話は前記分類工程によって誤分類された発話であると判別する誤分類検出工程と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別工程と、
を備える話者分類方法。 - 話者分類装置に、
入力された発話を、話者毎に分類し分類結果を取得する分類工程と、
前記発話の内容を表す文字列が、前記分類結果においてこの発話が分類された話者に適合するか否かを判別し、適合しない場合は、この発話は前記分類工程によって誤分類された発話であると判別する誤分類検出工程と、
前記誤分類された発話が選択された場合、前記誤分類された発話の直前の発話の話者以外の話者を、再分類結果の候補であると判別する再分類判別工程と、
を実現させるための話者分類プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015138079A JP5997813B2 (ja) | 2015-07-09 | 2015-07-09 | 話者分類装置、話者分類方法および話者分類プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015138079A JP5997813B2 (ja) | 2015-07-09 | 2015-07-09 | 話者分類装置、話者分類方法および話者分類プログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011166071A Division JP5779032B2 (ja) | 2011-07-28 | 2011-07-28 | 話者分類装置、話者分類方法および話者分類プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015200913A JP2015200913A (ja) | 2015-11-12 |
JP5997813B2 true JP5997813B2 (ja) | 2016-09-28 |
Family
ID=54552150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015138079A Active JP5997813B2 (ja) | 2015-07-09 | 2015-07-09 | 話者分類装置、話者分類方法および話者分類プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5997813B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11416593B2 (en) | 2016-11-11 | 2022-08-16 | Asahi Kasel Kabushiki Kaisha | Electronic device, control method for electronic device, and control program for electronic device |
CN113192516B (zh) * | 2021-04-22 | 2024-05-07 | 平安科技(深圳)有限公司 | 语音角色分割方法、装置、计算机设备及存储介质 |
JPWO2023013062A1 (ja) * | 2021-08-06 | 2023-02-09 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3735209B2 (ja) * | 1999-03-03 | 2006-01-18 | 富士通株式会社 | 話者認識装置及び方法 |
JP2010060850A (ja) * | 2008-09-04 | 2010-03-18 | Nec Corp | 議事録作成支援装置、議事録作成支援方法、議事録作成支援用プログラム及び議事録作成支援システム |
-
2015
- 2015-07-09 JP JP2015138079A patent/JP5997813B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015200913A (ja) | 2015-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5779032B2 (ja) | 話者分類装置、話者分類方法および話者分類プログラム | |
US11636860B2 (en) | Word-level blind diarization of recorded calls with arbitrary number of speakers | |
US10950241B2 (en) | Diarization using linguistic labeling with segmented and clustered diarized textual transcripts | |
JP6596376B2 (ja) | 話者識別方法及び話者識別装置 | |
JP4600828B2 (ja) | 文書対応付け装置、および文書対応付け方法 | |
TW202008349A (zh) | 語音標註方法、裝置及設備 | |
EP2700071B1 (en) | Speech recognition using multiple language models | |
JP6556575B2 (ja) | 音声処理装置、音声処理方法及び音声処理プログラム | |
CN107305541A (zh) | 语音识别文本分段方法及装置 | |
JP2014219557A (ja) | 音声処理装置、音声処理方法及びプログラム | |
JP2009139862A (ja) | 音声認識装置及びコンピュータプログラム | |
JP6495792B2 (ja) | 音声認識装置、音声認識方法、プログラム | |
TWI536366B (zh) | 新增口說語彙的語音辨識系統與方法及電腦可讀取媒體 | |
JP2012194245A (ja) | 音声認識装置、音声認識方法及び音声認識プログラム | |
JP5099211B2 (ja) | 音声データの質問発話部抽出処理プログラム,方法および装置,ならびに音声データの質問発話部を用いた顧客問い合わせ傾向推定処理プログラム,方法および装置 | |
JP2015184378A (ja) | パターン識別装置、パターン識別方法およびプログラム | |
JP5997813B2 (ja) | 話者分類装置、話者分類方法および話者分類プログラム | |
JP5897718B2 (ja) | 音声検索装置、計算機読み取り可能な記憶媒体、及び音声検索方法 | |
US11632345B1 (en) | Message management for communal account | |
CN118355436A (zh) | 用于基于语言识别执行说话人日志的方法及设备 | |
JP5713782B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Chen et al. | A proof-of-concept study for automatic speech recognition to transcribe AAC speakers’ speech from high-technology AAC systems | |
WO2018169772A2 (en) | Quality feedback on user-recorded keywords for automatic speech recognition systems | |
JP2019101285A (ja) | 音声処理装置、音声処理方法及びプログラム | |
CN118284932A (zh) | 用于对混合带宽语音信号执行说话人分割聚类的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160725 |
|
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: 20160729 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160826 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5997813 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 Free format text: JAPANESE INTERMEDIATE CODE: R313114 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |