JPS59139099A - 音声区間検出装置 - Google Patents
音声区間検出装置Info
- Publication number
- JPS59139099A JPS59139099A JP58013997A JP1399783A JPS59139099A JP S59139099 A JPS59139099 A JP S59139099A JP 58013997 A JP58013997 A JP 58013997A JP 1399783 A JP1399783 A JP 1399783A JP S59139099 A JPS59139099 A JP S59139099A
- Authority
- JP
- Japan
- Prior art keywords
- section
- voice
- threshold
- audio
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の技術分野〕
この発明は、音声認識システムに使用される音声区間検
出装置に関する。
出装置に関する。
音声認識システムにおいては、その前処理として音声区
間の検出を正確に行なう必要がある。
間の検出を正確に行なう必要がある。
通常、音声区間検出において、信号対雑音比（Ｓ／Ｎ比
）が良好で（例えばエネルギーＳ／Ｎ比にして３０ ｄ
Ｂ以上の音声波を扱う場合）、シかも背景雑音レベルが
あまシ変動しない本うな環境下では比較的容易に検出を
行なうことができる。具体的な検出方式としては、音声
波全広帯域マイクロホンを介して入力し、その入力音声
信号の短時間エネルギーおよび電文差数を求め、これら
が所定の固定閾値全所定期間連続して越えるか否かを調
べるなどの方式がある。
）が良好で（例えばエネルギーＳ／Ｎ比にして３０ ｄ
Ｂ以上の音声波を扱う場合）、シかも背景雑音レベルが
あまシ変動しない本うな環境下では比較的容易に検出を
行なうことができる。具体的な検出方式としては、音声
波全広帯域マイクロホンを介して入力し、その入力音声
信号の短時間エネルギーおよび電文差数を求め、これら
が所定の固定閾値全所定期間連続して越えるか否かを調
べるなどの方式がある。
このような固定閾値方式では、背景雑音レベルが時間的
にある程度変動する場合には下記のような問題が生ずる
。即ち、まず固定閾値が低く設定されると、背景雑音レ
ベルが少し高くなっただけで、閾値を越えてしまい雑音
を音声区間の一部として取込むという不都合がある。逆
に固定閾値が高く設定されていると、音声区間中のレベ
ルの低い部分を取シこほすという不都合がある。このよ
５な点を解決するためには、背景雑音レベルに応じた閾
値を決定する方式がある。即ち、まず音声が発声される
前（後）の無音区間と見なされる区間での入力音声信号
の短時間エネルギーおよび零交差数の平均値を求める。
にある程度変動する場合には下記のような問題が生ずる
。即ち、まず固定閾値が低く設定されると、背景雑音レ
ベルが少し高くなっただけで、閾値を越えてしまい雑音
を音声区間の一部として取込むという不都合がある。逆
に固定閾値が高く設定されていると、音声区間中のレベ
ルの低い部分を取シこほすという不都合がある。このよ
５な点を解決するためには、背景雑音レベルに応じた閾
値を決定する方式がある。即ち、まず音声が発声される
前（後）の無音区間と見なされる区間での入力音声信号
の短時間エネルギーおよび零交差数の平均値を求める。
そして、この平均値に所定の固定・ぐイアス値を加えた
ものを閾値として用いることが行なわれる。
ものを閾値として用いることが行なわれる。
しかしながら、上記のような方式においても、背景雑音
レベルの変動が大きい場合には、固定バイアス値による
閾値では正確な音声区間検出は困難である。これは、仮
にバイアス値を低く設定すると、短時間エネルギーおよ
び零交差数が閾値を越える雑音区間が頻出することにな
る。
レベルの変動が大きい場合には、固定バイアス値による
閾値では正確な音声区間検出は困難である。これは、仮
にバイアス値を低く設定すると、短時間エネルギーおよ
び零交差数が閾値を越える雑音区間が頻出することにな
る。
これによシ、雑音区間が音声区間の一部とじて取込まれ
たシ、または雑音区間のみが音声区間として検出される
という重大な誤動作が生ずる。
たシ、または雑音区間のみが音声区間として検出される
という重大な誤動作が生ずる。
逆に、バイアス値を高く設定すると、音声区間の一部ま
たは全部が欠落するという誤動作が生ずる欠点があった
。
たは全部が欠落するという誤動作が生ずる欠点があった
。
この発明は上記の事情に鑑みてなされたもので、その目
的は、背景雑音レベルの変動が大きい場合でも、適切な
バイアス値を加えた閾値を設定することによシ、正確な
音声区間検出を行なうことができる音声区間検出装置を
提供することにある。
的は、背景雑音レベルの変動が大きい場合でも、適切な
バイアス値を加えた閾値を設定することによシ、正確な
音声区間検出を行なうことができる音声区間検出装置を
提供することにある。
この発明は、入力音声信号に基づく音声パラメータ時系
夕「よ）音声区間の始端および終端を検出する音声区間
検出手段を用いる。この場合、音声パラメータ時系列に
ょシ、音声信号の大刀直後の数フレームにおける無音区
間の音声パラメータの平均値を雑音レベル計算手段で求
める。
夕「よ）音声区間の始端および終端を検出する音声区間
検出手段を用いる。この場合、音声パラメータ時系列に
ょシ、音声信号の大刀直後の数フレームにおける無音区
間の音声パラメータの平均値を雑音レベル計算手段で求
める。
さらに、無音区間の音声パラメータの平均値に基づいて
決定されるバイアス値を含む閾値が、閾値計算手段によ
り算出される。この閾値に基づいて、音声区間検出手段
は音声区間の始端および終端を検出するものである。
決定されるバイアス値を含む閾値が、閾値計算手段によ
り算出される。この閾値に基づいて、音声区間検出手段
は音声区間の始端および終端を検出するものである。
以下図面を参照してこの発明の一実施例について説明す
る。第１図はこの発明に係る音声区間装置の構成を示す
ブロック図で、１は音声信号Ｓの入力端子である。音声
信号Ｓは、入力端子１から音声パラメータ抽出部２に与
えられる。
る。第１図はこの発明に係る音声区間装置の構成を示す
ブロック図で、１は音声信号Ｓの入力端子である。音声
信号Ｓは、入力端子１から音声パラメータ抽出部２に与
えられる。
音声パラメータ抽出部２は、音声信号Ｓから短時間エネ
ルギー等の音声パラメータ時系列を抽出する。バッファ
メモリ３は、音声パラメータ抽出部２から出力する音声
パラメータ時系列を一時格納する。４は音声区間検出部
で、閾値計算部６から出力する閾値ＥＴＨに基づいて、
バッファメモリ３からの音声ノ９ラメータ時系列におけ
る音声区間の始端および終端を検出する・閾値計算部６
は、雑音レベル計算部５から出力する背景雑音の音声・
ぐう・メータ値の平均値に応じて決定されるバイアス値
を含む音声区間検出用の閾値ＥＴＨを算出して出力する
。雑音レベル計算部５は、バッファメモリ３の音声パラ
メータ時系列より、音声信号Ｓの入力開始直後の数フレ
ームにおける無音区間の音声パラメータの平均値（背景
雑音の音声・やラメータ値の平均値）を算出して出力す
る。７は出力端子で、音声区間検出部４で得られた音声
区間の始端および終端の情報を出力する。
ルギー等の音声パラメータ時系列を抽出する。バッファ
メモリ３は、音声パラメータ抽出部２から出力する音声
パラメータ時系列を一時格納する。４は音声区間検出部
で、閾値計算部６から出力する閾値ＥＴＨに基づいて、
バッファメモリ３からの音声ノ９ラメータ時系列におけ
る音声区間の始端および終端を検出する・閾値計算部６
は、雑音レベル計算部５から出力する背景雑音の音声・
ぐう・メータ値の平均値に応じて決定されるバイアス値
を含む音声区間検出用の閾値ＥＴＨを算出して出力する
。雑音レベル計算部５は、バッファメモリ３の音声パラ
メータ時系列より、音声信号Ｓの入力開始直後の数フレ
ームにおける無音区間の音声パラメータの平均値（背景
雑音の音声・やラメータ値の平均値）を算出して出力す
る。７は出力端子で、音声区間検出部４で得られた音声
区間の始端および終端の情報を出力する。
このような構成において、その動作を説明する。音声信
号Ｓは、通常広帯域マイクワホンまたは電話回線等を介
して音声パラメータ抽出部２に与えられる。音声パラメ
ータ抽出部２は、音声信号Ｓの１フレ一ム間のｒｍａ値
、即ち短時間エネルギーＥと各７レーム毎に計算し出力
する。ここで、フレーム幅及びフレーム周期は１０ ｍ
５ｅｓ程度とする。このようにして、音声ノクラメータ
抽出部２は、第２図に示すような音声パラメータ時系列
をバッファメモリ３に出力する。雑音レベル計算部５は
、バッファメモリ３から第１フレーム（即ち音声信号Ｓ
の入力開始時点）から第１フレームまでの音声パラメー
タ値を読み出す。そして、Ｍフレーム（例えば８０〜１
００ｍ５ｅｃ）の音声パラメータの平均値ＥＸを求める
。この平均値ＥＩは、背景雑音の音声パラメータ値の平
均値としてみなされる。これは、一般に音声認識装置で
はアイスプレイおよび信号音等によシ発声者に発声タイ
ミングを知らせ、同時に信号全取込み始める。しかしな
がら、通常、発声者は発声促進信号と同時に発声すると
いうことは殆んどなく、発声促進信号が出力された後、
少し遅れて発生する。したがって、音声信号Ｓの入力開
始後１００ｍ５ｅｃ程度は、無音区間であると考えられ
、Ｅｌは背景雑音の音声パラメータ値の平均値とみなさ
れる。
号Ｓは、通常広帯域マイクワホンまたは電話回線等を介
して音声パラメータ抽出部２に与えられる。音声パラメ
ータ抽出部２は、音声信号Ｓの１フレ一ム間のｒｍａ値
、即ち短時間エネルギーＥと各７レーム毎に計算し出力
する。ここで、フレーム幅及びフレーム周期は１０ ｍ
５ｅｓ程度とする。このようにして、音声ノクラメータ
抽出部２は、第２図に示すような音声パラメータ時系列
をバッファメモリ３に出力する。雑音レベル計算部５は
、バッファメモリ３から第１フレーム（即ち音声信号Ｓ
の入力開始時点）から第１フレームまでの音声パラメー
タ値を読み出す。そして、Ｍフレーム（例えば８０〜１
００ｍ５ｅｃ）の音声パラメータの平均値ＥＸを求める
。この平均値ＥＩは、背景雑音の音声パラメータ値の平
均値としてみなされる。これは、一般に音声認識装置で
はアイスプレイおよび信号音等によシ発声者に発声タイ
ミングを知らせ、同時に信号全取込み始める。しかしな
がら、通常、発声者は発声促進信号と同時に発声すると
いうことは殆んどなく、発声促進信号が出力された後、
少し遅れて発生する。したがって、音声信号Ｓの入力開
始後１００ｍ５ｅｃ程度は、無音区間であると考えられ
、Ｅｌは背景雑音の音声パラメータ値の平均値とみなさ
れる。
上記のようにして、雑音レベル計算部５から出力される
背景雑音の音声・そラメータの平均値ＥＸは閾値計算部
６に与えられる。閾値計算部６では、平均値Ｅ□に基づ
いて第３図に示すＥＩ−バイアス値αの関係よυバイア
ス値αを求め、「Ｅ□十α」を音声区間検出用閾値ＥＴ
Ｈとして出力することになる。ここで、第３図は下記の
ような式（１）〜（３）によシ求められる。
背景雑音の音声・そラメータの平均値ＥＸは閾値計算部
６に与えられる。閾値計算部６では、平均値Ｅ□に基づ
いて第３図に示すＥＩ−バイアス値αの関係よυバイア
ス値αを求め、「Ｅ□十α」を音声区間検出用閾値ＥＴ
Ｈとして出力することになる。ここで、第３図は下記の
ような式（１）〜（３）によシ求められる。
Ｅ□＜Ｅｓでα＝α１ ・・・・・・・・・・・・
・・・・・・・・・・・・・・・・・・（１）Ｅｘ≧Ｅ
２でα＝α２ ・・・・・・・・・・・・・・・・
・・・・・・・・・・・・・・（３）これは、一般に音
声信号入力部の増幅器または電話回線系の利得がｎ倍に
なったとすると、音声と共に背景雑音の短時間エネルギ
ーの平均値及び分散はｎ倍になる。音声区間検出用閾値
Ｅ７Ｈ！ｊ：、背景雑音の短時間エネルギーの平均値Ｅ
□にバイアス値αを加えた形で与えることにすると、第
１項ＥＩによシ平均値の変動は吸収されるが、分散の変
動は吸収されない。そこで、分散の変動音、第２項のバ
イアス値αを適切に設定して吸収することになる。その
ため、上記式（２）に示すようにバイアス値αヲＥＸの
値に応じて線形に変化させればよい。これがＥ１≦ＥＩ
（Ｅ ２の区間である。但し、Ｅ工が極端に小さい（太
きい）場合には、上記式（２）で計算されるバイアス値
が小さく（大きく）なシ過ぎることを避けるため、式（
２）ヲ適用するＥｌの範囲に制限を付け、ＥＩ（Ｅｌ、
に、≧Ｅ２の範囲ではそれぞれ固定値αｌ 、α２とす
る。ここで、Ｅｌ、Ｅ２ 、α工。
・・・・・・・・・・・・・・・・・・（１）Ｅｘ≧Ｅ
２でα＝α２ ・・・・・・・・・・・・・・・・
・・・・・・・・・・・・・・（３）これは、一般に音
声信号入力部の増幅器または電話回線系の利得がｎ倍に
なったとすると、音声と共に背景雑音の短時間エネルギ
ーの平均値及び分散はｎ倍になる。音声区間検出用閾値
Ｅ７Ｈ！ｊ：、背景雑音の短時間エネルギーの平均値Ｅ
□にバイアス値αを加えた形で与えることにすると、第
１項ＥＩによシ平均値の変動は吸収されるが、分散の変
動は吸収されない。そこで、分散の変動音、第２項のバ
イアス値αを適切に設定して吸収することになる。その
ため、上記式（２）に示すようにバイアス値αヲＥＸの
値に応じて線形に変化させればよい。これがＥ１≦ＥＩ
（Ｅ ２の区間である。但し、Ｅ工が極端に小さい（太
きい）場合には、上記式（２）で計算されるバイアス値
が小さく（大きく）なシ過ぎることを避けるため、式（
２）ヲ適用するＥｌの範囲に制限を付け、ＥＩ（Ｅｌ、
に、≧Ｅ２の範囲ではそれぞれ固定値αｌ 、α２とす
る。ここで、Ｅｌ、Ｅ２ 、α工。
α２等の値は実験的に設定される。
音声区間検出部４は、閾値計算部６で算出された閾値Ｅ
ＴＨに基づいて、バッファメモリ３から読出す音声パラ
メータ時系列における音声区間の始端ａおよび終端ｂｉ
それぞれ検出する（第２図）。具体的には、まず始端ａ
の検出において、音声信号の入力開始時点から短時間エ
ネルギーＥの時系列を辿シ、最初にＥ＞ＥＴＨとなる時
点７を検出する。このｉによ’） 、Ｅ ＞ Ｅ７Ｈな
る区間、即ち音声区間が所定フレーム数Ｎ１だけ継続す
るか否かを調べる。このフレーム数Ｎ１は例えば５０〜
６０ ｍ５ｅｃに相当する値である０そして％Ｎｌ フ
レーム継続の条件が満足されたとき、上記時点ｉを始端
ａとして出力する０また＼ｉ以降、Ｅ＞ＥＴＨなる区間
がＮｌフレーム継続しないときにはこれを雑音によるも
のとみなして、改めてｉの検出を行なう。
ＴＨに基づいて、バッファメモリ３から読出す音声パラ
メータ時系列における音声区間の始端ａおよび終端ｂｉ
それぞれ検出する（第２図）。具体的には、まず始端ａ
の検出において、音声信号の入力開始時点から短時間エ
ネルギーＥの時系列を辿シ、最初にＥ＞ＥＴＨとなる時
点７を検出する。このｉによ’） 、Ｅ ＞ Ｅ７Ｈな
る区間、即ち音声区間が所定フレーム数Ｎ１だけ継続す
るか否かを調べる。このフレーム数Ｎ１は例えば５０〜
６０ ｍ５ｅｃに相当する値である０そして％Ｎｌ フ
レーム継続の条件が満足されたとき、上記時点ｉを始端
ａとして出力する０また＼ｉ以降、Ｅ＞ＥＴＨなる区間
がＮｌフレーム継続しないときにはこれを雑音によるも
のとみなして、改めてｉの検出を行なう。
一方、終端すの検出において、始端ａよシ音声パラメー
タ時系列を辿シ、最初にＥ≦ＥＴＨとなる時点τを検出
する。このτよＪ）、Ｅ≦ＥＴＨなる区間が所定フレー
ム数Ｎ２だけ継続するか否かを調べる。このフレーム数
Ｎ２は例えば２５０〜３００ｍ５ｅｃに相当する値であ
る。そして、Ｎ２フレーム継続の条件が満足されたとき
、上記時点τを終端すとして出力する。なお、τ以降、
Ｎｍフレーム内にＥ＞ＥＴＨなる区間が出現したとき、
その区間が所定フレーム数Ｎ３に達しないならば、これ
を雑音によるものとみなし、この区間のフレーム数を無
音区間のフレーム数に加える。
タ時系列を辿シ、最初にＥ≦ＥＴＨとなる時点τを検出
する。このτよＪ）、Ｅ≦ＥＴＨなる区間が所定フレー
ム数Ｎ２だけ継続するか否かを調べる。このフレーム数
Ｎ２は例えば２５０〜３００ｍ５ｅｃに相当する値であ
る。そして、Ｎ２フレーム継続の条件が満足されたとき
、上記時点τを終端すとして出力する。なお、τ以降、
Ｎｍフレーム内にＥ＞ＥＴＨなる区間が出現したとき、
その区間が所定フレーム数Ｎ３に達しないならば、これ
を雑音によるものとみなし、この区間のフレーム数を無
音区間のフレーム数に加える。
ここで、フレーム数Ｎ３は例えば４０〜５０ｍ５ｅｃに
相当する値である。また、Ｅ＞ＥＴＨなる区間がＮ３以
上継続した場合には、音声区間の別の部分が出現したも
のとみなして、改めて嘗の検出を行なう。このようにし
て、音声区間検出部４によシ音声・４ラメ一タ時系列か
ら音声区間の始端ａおよび終端すのそれぞれが検出され
て、出力端子７に出力される。
相当する値である。また、Ｅ＞ＥＴＨなる区間がＮ３以
上継続した場合には、音声区間の別の部分が出現したも
のとみなして、改めて嘗の検出を行なう。このようにし
て、音声区間検出部４によシ音声・４ラメ一タ時系列か
ら音声区間の始端ａおよび終端すのそれぞれが検出され
て、出力端子７に出力される。
以上詳述したようにこの発明によれば、背景雑音レベル
が高く、シかも時間的に大きく変動する場合でも、背景
雑音の音声パラメータの平均値に基づいて求められる適
切なバイアス値を含む閾値を設定し、この閾値に基づい
て音声信号の音声区間における始端および終端を確実に
検出できる。したがって、音声信号の音声区間検出を正
確に行なうことができ、結果的に音声認識システムの精
度を向上できるものである。
が高く、シかも時間的に大きく変動する場合でも、背景
雑音の音声パラメータの平均値に基づいて求められる適
切なバイアス値を含む閾値を設定し、この閾値に基づい
て音声信号の音声区間における始端および終端を確実に
検出できる。したがって、音声信号の音声区間検出を正
確に行なうことができ、結果的に音声認識システムの精
度を向上できるものである。
第１図はこの発明の一実施例に係る音声区間検出装置の
構成を示すブロック図、第２図は第１図の装置の動作を
説明するだめの音声パラメータ時系列の波形を示す図、
第３図は第１図の装置の動作を説明するための平均値Ｅ
ニーバイアス値αの関係を示す図である。 ２・・・音声パラメータ抽出部、３・・・バッファメモ
リ、４・・・音声区間検出部、５・・・雑音レベル計算
″部、６・・・閾値計算部。
構成を示すブロック図、第２図は第１図の装置の動作を
説明するだめの音声パラメータ時系列の波形を示す図、
第３図は第１図の装置の動作を説明するための平均値Ｅ
ニーバイアス値αの関係を示す図である。 ２・・・音声パラメータ抽出部、３・・・バッファメモ
リ、４・・・音声区間検出部、５・・・雑音レベル計算
″部、６・・・閾値計算部。
Claims (1)
- 入力音声信号から音声パラメータ時系列を抽出する音声
パラメータ抽出手段と、この音声ノぐ２メ一タ抽出手段
から出力される上記音声パラメータ時系列を一時的に格
納するバッファメモリと、上記音声パラメータ時系列に
基づいて背景雑音の音声パラメータ値の平均値全算出す
る雑音レベル計算手段と、この雑音レベル計算手段から
出力される上記背景雑音の音声パラメータ値の平均値に
基づいて決定されるバイアス値を含む音声区間検出用閾
値を算出する閾値計算手段と、上記音声区間検出用閾値
に基づいて上記バッファメモリに格納された音声パラメ
ータ時系列から音声区間の始端および終端の両者をそれ
ぞれ検出する音声区間検出手段とを具備したことを特徴
とする音声区間検出装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58013997A JPS59139099A (ja) | 1983-01-31 | 1983-01-31 | 音声区間検出装置 |
| US06/575,383 US4696041A (en) | 1983-01-31 | 1984-01-30 | Apparatus for detecting an utterance boundary |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58013997A JPS59139099A (ja) | 1983-01-31 | 1983-01-31 | 音声区間検出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS59139099A true JPS59139099A (ja) | 1984-08-09 |
Family
ID=11848864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58013997A Pending JPS59139099A (ja) | 1983-01-31 | 1983-01-31 | 音声区間検出装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4696041A (ja) |
| JP (1) | JPS59139099A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01244497A (ja) * | 1988-03-25 | 1989-09-28 | Toshiba Corp | 音声区間検出回路 |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4829578A (en) * | 1986-10-02 | 1989-05-09 | Dragon Systems, Inc. | Speech detection and recognition apparatus for use with background noise of varying levels |
| GB2196460B (en) * | 1986-10-03 | 1991-05-15 | Ricoh Kk | Methods for comparing an input voice pattern with a registered voice pattern and voice recognition systems |
| JP2551050B2 (ja) * | 1987-11-13 | 1996-11-06 | ソニー株式会社 | 有音無音判定回路 |
| US5008941A (en) * | 1989-03-31 | 1991-04-16 | Kurzweil Applied Intelligence, Inc. | Method and apparatus for automatically updating estimates of undesirable components of the speech signal in a speech recognition system |
| US5168524A (en) * | 1989-08-17 | 1992-12-01 | Eliza Corporation | Speech-recognition circuitry employing nonlinear processing, speech element modeling and phoneme estimation |
| US5307441A (en) * | 1989-11-29 | 1994-04-26 | Comsat Corporation | Wear-toll quality 4.8 kbps speech codec |
| CA2040025A1 (en) * | 1990-04-09 | 1991-10-10 | Hideki Satoh | Speech detection apparatus with influence of input level and noise reduced |
| CA2042926C (en) * | 1990-05-22 | 1997-02-25 | Ryuhei Fujiwara | Speech recognition method with noise reduction and a system therefor |
| FR2677828B1 (fr) * | 1991-06-14 | 1993-08-20 | Sextant Avionique | Procede de detection d'un signal utile bruite. |
| FR2686183A1 (fr) * | 1992-01-15 | 1993-07-16 | Idms Sa | Systeme de numerisation d'un signal audio, procede et dispositif de mise en óoeuvre pour constituer une base de donnees numeriques. |
| US5617508A (en) * | 1992-10-05 | 1997-04-01 | Panasonic Technologies Inc. | Speech detection device for the detection of speech end points based on variance of frequency band limited energy |
| JP3533696B2 (ja) * | 1994-03-22 | 2004-05-31 | 三菱電機株式会社 | 音声認識の境界推定方法及び音声認識装置 |
| US5864793A (en) * | 1996-08-06 | 1999-01-26 | Cirrus Logic, Inc. | Persistence and dynamic threshold based intermittent signal detector |
| US5995924A (en) * | 1997-05-05 | 1999-11-30 | U.S. West, Inc. | Computer-based method and apparatus for classifying statement types based on intonation analysis |
| 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 |
| US6097776A (en) * | 1998-02-12 | 2000-08-01 | Cirrus Logic, Inc. | Maximum likelihood estimation of symbol offset |
| US6480823B1 (en) | 1998-03-24 | 2002-11-12 | Matsushita Electric Industrial Co., Ltd. | Speech detection for noisy conditions |
| GB9822529D0 (en) * | 1998-10-16 | 1998-12-09 | Dragon Syst Uk Ltd | Speech processing |
| US7440034B2 (en) * | 2002-08-20 | 2008-10-21 | Optinetix (Israel) Ltd. | Method and apparatus for transferring data within viewable portion of video signal |
| US20050015244A1 (en) * | 2003-07-14 | 2005-01-20 | Hideki Kitao | Speech section detection apparatus |
| WO2006107833A1 (en) * | 2005-04-01 | 2006-10-12 | Qualcomm Incorporated | Method and apparatus for vector quantizing of a spectral envelope representation |
| US9043214B2 (en) | 2005-04-22 | 2015-05-26 | Qualcomm Incorporated | Systems, methods, and apparatus for gain factor attenuation |
| US8756061B2 (en) | 2011-04-01 | 2014-06-17 | Sony Computer Entertainment Inc. | Speech syllable/vowel/phone boundary detection using auditory attention cues |
| US9020822B2 (en) | 2012-10-19 | 2015-04-28 | Sony Computer Entertainment Inc. | Emotion recognition using auditory attention cues extracted from users voice |
| US9031293B2 (en) | 2012-10-19 | 2015-05-12 | Sony Computer Entertainment Inc. | Multi-modal sensor based emotion recognition and emotional interface |
| US9672811B2 (en) | 2012-11-29 | 2017-06-06 | Sony Interactive Entertainment Inc. | Combining auditory attention cues with phoneme posterior scores for phone/vowel/syllable boundary detection |
| US9516165B1 (en) * | 2014-03-26 | 2016-12-06 | West Corporation | IVR engagements and upfront background noise |
| US10090005B2 (en) * | 2016-03-10 | 2018-10-02 | Aspinity, Inc. | Analog voice activity detection |
| US9978392B2 (en) * | 2016-09-09 | 2018-05-22 | Tata Consultancy Services Limited | Noisy signal identification from non-stationary audio signals |
| US11188718B2 (en) * | 2019-09-27 | 2021-11-30 | International Business Machines Corporation | Collective emotional engagement detection in group conversations |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57177197A (en) * | 1981-04-24 | 1982-10-30 | Hitachi Ltd | Pick-up system for sound section |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4277645A (en) * | 1980-01-25 | 1981-07-07 | Bell Telephone Laboratories, Incorporated | Multiple variable threshold speech detector |
| JPS5852695A (ja) * | 1981-09-25 | 1983-03-28 | 日産自動車株式会社 | 車両用音声検出装置 |
| JPS5876899A (ja) * | 1981-10-31 | 1983-05-10 | 株式会社東芝 | 音声区間検出装置 |
| JPS58130395A (ja) * | 1982-01-29 | 1983-08-03 | 株式会社東芝 | 音声区間検出装置 |
| JPS58130393A (ja) * | 1982-01-29 | 1983-08-03 | 株式会社東芝 | 音声認識装置 |
| JPS599779A (ja) * | 1982-07-07 | 1984-01-19 | Toshiba Corp | パタ−ン認識装置 |
| JPS5936300A (ja) * | 1982-08-24 | 1984-02-28 | 株式会社東芝 | 音声認識装置 |
-
1983
- 1983-01-31 JP JP58013997A patent/JPS59139099A/ja active Pending
-
1984
- 1984-01-30 US US06/575,383 patent/US4696041A/en not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57177197A (en) * | 1981-04-24 | 1982-10-30 | Hitachi Ltd | Pick-up system for sound section |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01244497A (ja) * | 1988-03-25 | 1989-09-28 | Toshiba Corp | 音声区間検出回路 |
Also Published As
| Publication number | Publication date |
|---|---|
| US4696041A (en) | 1987-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS59139099A (ja) | 音声区間検出装置 | |
| US5617508A (en) | Speech detection device for the detection of speech end points based on variance of frequency band limited energy | |
| CN108877776B (zh) | 语音端点检测方法、装置、计算机设备和存储介质 | |
| US5579431A (en) | Speech detection in presence of noise by determining variance over time of frequency band limited energy | |
| JPS5876899A (ja) | 音声区間検出装置 | |
| JP3255584B2 (ja) | 有音検知装置および方法 | |
| CN109994129B (zh) | 语音处理系统、方法和设备 | |
| Hogg et al. | Speaker change detection using fundamental frequency with application to multi-talker segmentation | |
| US8315865B2 (en) | Method and apparatus for adaptive conversation detection employing minimal computation | |
| US6539350B1 (en) | Method and circuit arrangement for speech level measurement in a speech signal processing system | |
| JPS6257040B2 (ja) | ||
| JPH07109559B2 (ja) | 音声区間検出方法 | |
| JPS5984300A (ja) | 音声区間検出回路 | |
| JPH0376471B2 (ja) | ||
| JPS59219797A (ja) | 音声区間切り出し方式 | |
| JP3026855B2 (ja) | 音声認識装置 | |
| JPS63306497A (ja) | 音声区間検出方式 | |
| JPS61140999A (ja) | 音声区間検出方式 | |
| JPS63259596A (ja) | 音声区間検出方式 | |
| JPH0546196A (ja) | 音声認識装置 | |
| JPS6039691A (ja) | 音声認識方法 | |
| JPH0773175B2 (ja) | 自動利得制御装置 | |
| JPS62217296A (ja) | 音声認識装置の入力キヤンセル法 | |
| JPS6395500A (ja) | 音声検出回路 | |
| JPS6146999A (ja) | 音声始端決定装置 |