KR101547261B1 - 화자 식별 방법 - Google Patents
화자 식별 방법 Download PDFInfo
- Publication number
- KR101547261B1 KR101547261B1 KR1020150031015A KR20150031015A KR101547261B1 KR 101547261 B1 KR101547261 B1 KR 101547261B1 KR 1020150031015 A KR1020150031015 A KR 1020150031015A KR 20150031015 A KR20150031015 A KR 20150031015A KR 101547261 B1 KR101547261 B1 KR 101547261B1
- Authority
- KR
- South Korea
- Prior art keywords
- speaker
- voice
- segment
- pitch
- file
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005315 distribution function Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000003775 Density Functional Theory Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 239000011295 pitch Substances 0.000 description 24
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (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)
Abstract
본 발명의 일 실시예에 따른 화자 식별 방법은, 2 이상의 화자간의 대화를 녹음한 음성 파일을 입력받는 음성 입력 단계; 상기 음성 파일을 분석하여 화자별 음성 특성을 파악하는 화자 특성 분석 단계; 및 상기 화자별 음성 특성을 기초로 상기 음성 파일의 시간 도메인에서의 화자를 구분하는 화자 구분 단계를 포함할 수 있다.
Description
본 출원은 화자 식별 방법에 관한 것이다.
화자 인식 기술은 목소리의 특성을 이용하여 누가 말하고 있는지를 식별하는 기술을 말하는 것으로, 다수의 후보 중에서 한 명의 화자를 선택하는 화자 식별, 주어진 음성이 특정 화자의 것인지를 검증하는 화자 검증 및 특정 화자를 찾아내는 화자 검출 등의 개념을 포함한다.
이와 관련하여, 하기 선행기술문헌에 기재된 특허문헌 1은, 화자 인식 장치 및 방법을 개시하고 있다.
당해 기술분야에서는 복수의 화자(話者)간의 대화를 녹음한 음성 파일을 분석하여 특정 화자가 발화(發話)한 구간을 알아내기 위한 방안이 요구되고 있다.
상기 과제를 해결하기 위해서, 본 발명의 일 실시예는 화자 식별 방법을 제공한다.
본 발명의 일 실시예에 따른 화자 식별 방법은, 2 이상의 화자간의 대화를 녹음한 음성 파일을 입력받는 음성 입력 단계; 상기 음성 파일을 분석하여 화자별 음성 특성을 파악하는 화자 특성 분석 단계; 및 상기 화자별 음성 특성을 기초로 상기 음성 파일의 시간 도메인에서의 화자를 구분하는 화자 구분 단계를 포함할 수 있다.
여기서, 상기 화자 특성 분석 단계는, 상기 음성 파일에서 묵음이 아닌 음성 구간을 추출하는 단계; 추출된 음성 구간에 대한 세그멘테이션(segmentation)을 수행하여 하나 이상의 세그먼트를 생성하는 단계; 생성된 각 세그먼트별로 DFT(Discrete Fourier Transform)를 적용하는 단계; 상기 각 세그먼트별로 대표 주파수 도메인을 추출하는 단계; 상기 대표 주파수 도메인에서 최대 매그니튜드를 갖는 주파수 대역인 제1 피치의 확률 분포 함수를 형성하는 단계; 및 상기 확률 분포 함수에서 경계값을 설정하는 단계를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시예를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 복수의 화자간의 대화를 녹음한 음성 파일을 기초로 화자 구분이 가능하다.
또한, 본 발명의 일 실시예에 따르면, 두 명의 화자가 대화하면서 한 명의 발화 구간이 일정 수준 이상을 차지하는 경우와 같은 특정 상황(예를 들어, 콜 센터 등)에서는, 이와 같은 특성을 활용하여 화자 식별이 가능하다.
도 1은 본 발명의 일 실시예에 따른 화자 식별 방법의 흐름도이다.
도 2는 도 1에 도시된 화자 특성 분석 단계의 상세 흐름도이다.
도 3은 도 2에 도시된 (a) 단계를 설명하기 위한 도면이다.
도 4는 도 2에 도시된 (c) 단계를 설명하기 위한 도면이다.
도 5는 도 2에 도시된 (d) 단계를 설명하기 위한 도면이다.
도 6은 도 2에 도시된 (e) 단계를 설명하기 위한 도면이다.
도 7은 도 2에 도시된 (f) 단계를 설명하기 위한 도면이다.
도 8은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다.
도 2는 도 1에 도시된 화자 특성 분석 단계의 상세 흐름도이다.
도 3은 도 2에 도시된 (a) 단계를 설명하기 위한 도면이다.
도 4는 도 2에 도시된 (c) 단계를 설명하기 위한 도면이다.
도 5는 도 2에 도시된 (d) 단계를 설명하기 위한 도면이다.
도 6은 도 2에 도시된 (e) 단계를 설명하기 위한 도면이다.
도 7은 도 2에 도시된 (f) 단계를 설명하기 위한 도면이다.
도 8은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 화자 식별 방법의 흐름도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 화자 식별 방법은, 음성 파일 입력 단계(S110), 화자 특성 분석 단계(S120) 및 화자 구분 단계(S130)를 포함할 수 있다.
음성 파일 입력 단계(S110)에서는 복수의 화자간의 대화를 녹음한 음성 파일을 입력 받는다. 여기서, 복수의 화자는 2 명 이상의 화자를 의미한다. 또한, 음성 파일은 잡음이 제거된 파일일 수 있으며, 잡음 제거를 위해 통상의 기술자에게 공지된 다양한 방식이 적용될 수 있다.
화자 특성 분석 단계(S120)에서는 입력된 음성 파일을 분석하여 대화에 참여한 복수의 화자별로 특성을 파악한다. 음성 파일을 분석하여 화자의 특성을 파악하는 구체적인 방법은 도 2 내지 도 7을 참조하여 후술한다.
화자 구분 단계(S130)에서는 화자 특성 분석 단계(S120)에서 파악한 화자별 특성을 기초로 음성 파일의 시간 도메인에서의 화자를 구분한다. 여기서, 화자 구분은 화자의 신원은 알 수 없으나 해당 화자의 발화 구간을 알아내는 것을 의미한다. 한편, 화자 식별은 복수의 기 등록된 화자 중 현재 발화중인 화자가 누구인지 신원(ID)를 알아내는 것을 의미한다.
도 2는 도 1에 도시된 화자 특성 분석 단계의 상세 흐름도이다.
도 2를 참조하면, 도 1에 도시된 화자 특성 분석 단계(S120)는, 우선, (a) 입력된 음성 파일에서 묵음이 아닌 구간을 추출한다(S121).
구체적으로, 도 3은 도 2에 도시된 (a) 단계를 설명하기 위한 도면으로, 도 3의 (a)는 음성 파일의 시간 도메인에서 묵음 구간과 묵음이 아닌 구간을 분리한 결과를 나타내고, 도 3의 (b) 및 (c)는 묵음 구간과 묵음이 아닌 구간을 구별하기 위해 본 발명의 일 실시예에서 사용한 경계값 설정 근거를 나타낸다.
도 3의 (a)에 도시된 바와 같이 묵음 구간과 묵음이 아닌 구간을 판별하는 기준은 기 설정된 앰플리튜드(amplitude) 경계값이 될 수 있다. 즉, 임의의 시간의 앰플리튜드가 경계값보다 낮으면 묵음 구간으로 판별하고, 그렇지 않을 경우 묵음이 아닌 구간, 즉 음성 구간으로 판별할 수 있다.
여기서, 앰플리튜드의 경계값은 묵음 구간과 음성 구간의 경계의 앰플리튜드를 분석한 결과를 기초로 설정될 수 있다.
예를 들어, 도 3의 (b)의 첫 번째 그래프는 음성 파일의 시간 도메인에서 묵음 구간을 확대 도시한 것으로, 묵음 구간의 최대 앰플리튜드는 0.013으로 확인된다. 또한, 도 3의 (b)의 세 번째 그래프는 음성 파일의 시간 도메인에서 묵음이 아닌 구간, 즉 음성 구간을 확대 도시한 것으로, 음성 구간의 최대 앰플리튜드는 0.4로 확인된다. 이처럼, 묵음 구간과 음성 구간은 앰플리튜드에 있어서 확연한 차이를 보이게 된다.
도 3의 (c)의 그래프는 묵음 구간과 음성 구간의 경계를 확대 도시한 것이다. 여기서, 경계값은 묵음 구간의 최대 앰플리튜드인 0.042와 음성 구간이 시작되는 구간의 최대 앰플리튜드인 0.071의 사이값으로 설정될 수 있다. 후술하는 실시예에서는 앰플리튜드 경계값을 0.05로 설정하는 예를 나타낸다.
이후, (b) 추출된 음성 구간에 대한 세그멘테이션(segmentation)을 수행한다(S122). 여기서, 세그멘테이션은 추출된 음성 구간을 일정 시간 구간인 세그먼트(segment)로 나누어주는 작업을 의미하며, 각 세그먼트는 동일 화자의 발화만으로 이루어질 수 있다.
한편, 상술한 (a) 단계에서 사용하는 앰플리튜드 경계값에 따라, 매우 짧은 묵음 구간까지 구분되어 동일 화자의 음성 구간이 짧은 세그먼트로 나누어질 수도 있다. 예를 들어, 상술한 바와 같이 앰플리튜드 경계값을 0.05로 설정하는 경우, 도 3의 (a)의 세 번째 및 네 번째 박스와 같이 짧은 세그먼트로 나누어질 수 있다. 그러나, 짧은 세그먼트에서는 음성의 특성을 추출하는데 어려움이 있으므로, 짧은 묵음 구간의 앞, 뒤 세그먼트를 하나의 세그먼트로 결합할 수도 있다.
이후, (c) 각 세그먼트별로 DFT(Discrete Fourier Transform)를 적용한다(S123). DFT는 시간 도메인 신호를 주파수 도메인으로 변환하는 것으로, 다음의 수학식 1에 따라 계산될 수 있다.
구체적으로, 도 4는 도 2에 도시된 (c) 단계를 설명하기 위한 도면으로, 도 4의 (a)는 음성 파일의 시간 도메인에서 묵음 구간과 묵음이 아닌 구간을 분리한 후 세그멘테이션한 결과를 나타내고, 도 4의 (b)는 기 설정된 크기의 슬라이딩 윈도우를 이용하여 DFT를 적용한 결과를 나타낸다.
여기서, 슬라이딩 윈도우는 각 윈도우들이 오버랩(overlap) 구간을 갖도록 하는 것으로, 예를 들어, 윈도우의 크기가 40ms인 경우, 20ms씩 윈도우를 이동시켜 DFT를 적용할 수 있다. 이 경우, 20ms씩 겹친 DFT 결과를 얻을 수 있다.
이와 같은 슬라이딩 윈도우 방식은 화자가 변경되거나 묵음 구간으로 전환되는 시점에 대해 보다 세밀하게 대응할 수 있다는 장점을 가진다. 이에 반해, 오버랩 없이 불연속한 윈도우를 사용하는 경우, 결과의 불연속(discontinuity)을 초래할 수 있어 연속된 주파수 특성을 나타내기 어려운 경우가 있을 수 있다.
그러나, 본 발명에서 DFT를 적용하기 위해 반드시 슬라이딩 윈도우가 사용되어야 하는 것은 아니다. 또한, 슬라이딩 윈도우의 크기 및 오버랩 구간 역시 필요에 따라 다양하게 설계될 수 있다.
이후, (d) 각 세그먼트별로 대표 주파수 도메인을 추출한다(S124).
구체적으로, 도 5는 도 2에 도시된 (d) 단계를 설명하기 위한 도면으로, 도 5의 (a)는 음성 파일의 시간 도메인에서 묵음 구간과 묵음이 아닌 구간을 분리한 후 세그멘테이션한 결과를 나타내고, 도 5의 (b)는 기 설정된 크기의 슬라이딩 윈도우를 이용하여 DFT를 적용한 결과를 나타내며, 도 5의 (c)는 한 세그먼트의 대표 주파수 도메인을 나타낸다.
여기서, 대표 주파수 도메인은 각 세그먼트별로 추출된 DFT의 평균을 의미하며, 세그먼트별로 하나의 대표 주파수 도메인이 추출될 수 있다.
또한, 대표 주파수 도메인에서 도 1의 화자 구분 단계(S130)에서 사용될 복수의 피치값(예를 들어, 3개의 피치)을 추출할 수 있다. 예를 들어, 도 5의 (c)에 도시된 바와 같이, 대표 주파수 도메인에서 피크의 매그니튜드가 큰 순서로 해당 주파수 대역을 피치 1, 피치 2 및 피치 3으로 추출할 수 있다. 즉, 피치 1은 해당 대표 주파수 도메인에서 최대 매그니튜드를 갖는 주파수 대역으로, 후술하는 피치 확률 분포 함수를 구성하는데 사용될 수 있다.
이후, (e) 피치 확률 분포 함수를 구성한다(S125).
구체적으로, 도 6은 도 2에 도시된 (e) 단계를 설명하기 위한 도면으로, 도 6의 (a)는 각 세그먼트에서 추출한 대표 주파수 도메인을 나타내고, 도 6의 (b)는 하나의 음성 파일에 대해 구성한 피치 확률 분포 함수를 나타낸다.
여기서, 피치 확률 분포 함수는 각 세그먼트에서의 피치 1의 주파수를 카운트한 후 정규화함으로써 구할 수 있다.
이후, (f) 경계값을 설정한다(S126).
구체적으로, 도 7은 도 2에 도시된 (f) 단계를 설명하기 위한 도면으로, 제1 경계치(즉, 경계범위의 시작)는 피치 확률이 처음 0을 넘어서는 주파수를 의미하고, 제2 경계치(즉, 경계범위의 끝)는 피치 확률 분포 함수에서 그래프의 양측, 즉 좌측의 큰 기둥과 우측의 작은 기둥을 구분해 주는 경계 주파수를 의미한다. 여기서, 제2 경계치는 오추 알고리즘을 이용하여 피치 확률 분포 함수의 밸리(valley)를 찾음으로써 결정될 수 있다.
예를 들어, 입력된 음성 파일이 콜 센터 상담 등과 같이 두 명의 화자(즉, 상담원 및 고객)가 대화하면서 한 명(상담원)의 발화 구간이 일정 수준 이상을 차지하는 경우, 이와 같은 특성을 고려할 때, 제1 경계치와 제2 경계치 사이를 상담원의 음성 주파수 구간으로 판단할 수 있다.
도 2에 도시된 바와 같은 과정을 거쳐 화자별 특성을 파악한 후, 이를 기초로 도 1의 화자 구분 단계(S130)를 수행할 수 있다.
구체적으로, 도 2의 (d) 단계에서 구한 복수의 피치값(예를 들어, 피치 1 내지 피치 3)과 (f) 단계에서 구한 경계값을 이용하여 화자를 구분할 수 있다.
예를 들어, 상술한 콜 센터 상담의 경우, 세그먼트의 피치 1이 확률 분포 함수에서 기 설정된 비율 이상을 차지하는 경계범위 내에 존재하고, 피치 2 또는 피치 3 중 적어도 하나가 경계범위 내에 존재하면, 이를 상담원 세그먼트로 식별할 수 있다.
한편, 두 명의 화자가 대응한 비율로 대화하는 음성 파일의 경우, 도 7에 도시된 피치 확률 분포 함수는 두 개의 피크 값을 갖는 bimodal한 가우시안 혼합 분포(Gaussian mixture distribution)로 모델링 될 수 있다. 이 경우, 복수의 피치값의 위치에 따라 화자를 구분 또는 식별할 수 있다.
더 나아가, 세 명 이상의 화자가 존재하는 경우에도, 화자의 수와 동일한 수의 피크 값을 갖는 가우시안 혼합 분포로 모델링 될 수 있으며, 이 경우에도 복수의 피치값의 위치에 따라 화자를 구분 또는 식별할 수 있다.
도 8은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.
또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다.
또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다. 여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다.
또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다. 여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다.
상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다.
본 명세서에서 사용되는 "구성요소", "모듈", "시스템", "인터페이스" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. 예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다. 또한, 전술한 본 발명의 실시예들 각각의 구성요소들 전부 또는 일부가 선택적으로 서로 조합되어 이루어질 수 있다.
1100: 컴퓨팅 디바이스
1110: 프로세싱 유닛
1120: 메모리
1130: 스토리지
1140: 입력 디바이스
1150: 출력 디바이스
1160: 통신 접속
1200: 네트워크
1110: 프로세싱 유닛
1120: 메모리
1130: 스토리지
1140: 입력 디바이스
1150: 출력 디바이스
1160: 통신 접속
1200: 네트워크
Claims (12)
- 삭제
- 2 이상의 화자간의 대화를 녹음한 음성 파일을 입력받는 음성 입력 단계;
상기 음성 파일을 분석하여 화자별 음성 특성을 파악하는 화자 특성 분석 단계; 및
상기 화자별 음성 특성을 기초로 상기 음성 파일의 시간 도메인에서의 화자를 구분하는 화자 구분 단계를 포함하며,
상기 화자 특성 분석 단계는,
상기 음성 파일에서 묵음이 아닌 음성 구간을 추출하는 단계;
추출된 음성 구간에 대한 세그멘테이션(segmentation)을 수행하여 하나 이상의 세그먼트를 생성하는 단계;
생성된 각 세그먼트별로 DFT(Discrete Fourier Transform)를 적용하는 단계;
상기 각 세그먼트별로 대표 주파수 도메인을 추출하는 단계;
상기 대표 주파수 도메인에서 최대 매그니튜드를 갖는 주파수 대역인 제1 피치의 확률 분포 함수를 형성하는 단계; 및
상기 확률 분포 함수에서 경계값을 설정하는 단계를 포함하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 음성 구간을 추출하는 단계는, 상기 음성 파일의 임의의 시점의 앰플리튜드가 기 설정된 경계값 이상이면 음성 구간으로 판별하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 하나 이상의 세그먼트를 생성하는 단계는, 상기 음성 구간을 기 정해진 시간 구간으로 나누어 상기 하나 이상의 세그먼트를 생성하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 하나 이상의 세그먼트를 생성하는 단계는, 기 정해진 시간보다 짧은 묵음 구간의 앞, 뒤 세그먼트를 하나의 세그먼트로 결합하여 상기 하나 이상의 세그먼트를 생성하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 DFT를 적용하는 단계는, 기 설정된 크기의 윈도우를 이용하여 DFT를 적용하는 화자 식별 방법.
- 제 6 항에 있어서,
상기 DFT를 적용하는 단계는, 각 윈도우들이 오버랩(overlap) 구간을 갖는 슬라이딩 윈도우를 이용하여 DFT를 적용하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 대표 주파수 도메인을 추출하는 단계는, 각 세그먼트별로 추출된 DFT의 평균을 상기 대표 주파수 도메인으로 추출하는 화자 식별 방법.
- 제 8 항에 있어서,
상기 대표 주파수 도메인을 추출하는 단계는, 상기 대표 주파수 도메인에서 복수의 피치값을 추출하는 단계를 더 포함하는 화자 식별 방법.
- 제 2 항에 있어서,
상기 경계값을 설정하는 단계는, 상기 확률 분포 함수에서 피치 확률이 최초로 0을 초과하는 주파수인 제1 경계치 및 상기 확률 분포 함수에서 그래프의 양 측을 구분하는 경계 주파수인 제2 경계치를 설정하는 화자 식별 방법.
- 제 9 항에 있어서,
상기 화자 구분 단계는 상기 복수의 피치값 및 상기 경계값을 이용하여 화자를 구분하는 화자 식별 방법.
- 제 11 항에 있어서,
상기 음성 파일이 두 명의 화자에 의한 콜 센서 상담에 대한 녹취 파일인 경우,
상기 화자 구분 단계는 세그먼트의 제1 피치값이 상기 확률 분포 함수에서 기 설정된 비율 이상을 차지하는 경계범위 내에 위치하고, 제2 피치값 또는 제3 피치값 중 적어도 하나가 상기 경계범위 내에 위치하는 경우 상담원 세그먼트로 식별하는 화자 식별 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150031015A KR101547261B1 (ko) | 2015-03-05 | 2015-03-05 | 화자 식별 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150031015A KR101547261B1 (ko) | 2015-03-05 | 2015-03-05 | 화자 식별 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101547261B1 true KR101547261B1 (ko) | 2015-08-27 |
Family
ID=54061928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020150031015A KR101547261B1 (ko) | 2015-03-05 | 2015-03-05 | 화자 식별 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101547261B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020054980A1 (ko) * | 2018-09-10 | 2020-03-19 | 삼성전자주식회사 | 음소기반 화자모델 적응 방법 및 장치 |
KR20220080349A (ko) * | 2020-12-07 | 2022-06-14 | 서울시립대학교 산학협력단 | 세그먼트 집계를 통해 짧은 발성을 보상하는 심층 신경망 기반 화자 인증 시스템 및 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010026361A (ja) * | 2008-07-23 | 2010-02-04 | Internatl Business Mach Corp <Ibm> | 音声収集方法、システム及びプログラム |
-
2015
- 2015-03-05 KR KR1020150031015A patent/KR101547261B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010026361A (ja) * | 2008-07-23 | 2010-02-04 | Internatl Business Mach Corp <Ibm> | 音声収集方法、システム及びプログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020054980A1 (ko) * | 2018-09-10 | 2020-03-19 | 삼성전자주식회사 | 음소기반 화자모델 적응 방법 및 장치 |
US11804228B2 (en) | 2018-09-10 | 2023-10-31 | Samsung Electronics Co., Ltd. | Phoneme-based speaker model adaptation method and device |
KR20220080349A (ko) * | 2020-12-07 | 2022-06-14 | 서울시립대학교 산학협력단 | 세그먼트 집계를 통해 짧은 발성을 보상하는 심층 신경망 기반 화자 인증 시스템 및 방법 |
KR102487936B1 (ko) * | 2020-12-07 | 2023-01-11 | 서울시립대학교 산학협력단 | 세그먼트 집계를 통해 짧은 발성을 보상하는 심층 신경망 기반 화자 인증 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3614377B1 (en) | Object recognition method, computer device and computer readable storage medium | |
US11875799B2 (en) | Method and device for fusing voiceprint features, voice recognition method and system, and storage medium | |
KR101805976B1 (ko) | 음성 인식 장치 및 방법 | |
US9865253B1 (en) | Synthetic speech discrimination systems and methods | |
US9489965B2 (en) | Method and apparatus for acoustic signal characterization | |
CN108039181B (zh) | 一种声音信号的情感信息分析方法和装置 | |
WO2017162053A1 (zh) | 一种身份认证的方法和装置 | |
CN105989836B (zh) | 一种语音采集方法、装置及终端设备 | |
KR101616112B1 (ko) | 음성 특징 벡터를 이용한 화자 분리 시스템 및 방법 | |
KR102346634B1 (ko) | 사용자 인식을 위한 특징 벡터를 변환하는 방법 및 디바이스 | |
US9595261B2 (en) | Pattern recognition device, pattern recognition method, and computer program product | |
KR101667557B1 (ko) | 실시간 음원 분류 장치 및 방법 | |
CN105913849A (zh) | 一种基于事件检测的说话人分割方法 | |
JP4717872B2 (ja) | 話者の音声特徴情報を利用した話者情報獲得システム及びその方法 | |
KR101547261B1 (ko) | 화자 식별 방법 | |
Huang et al. | Detecting the instant of emotion change from speech using a martingale framework | |
CN113808612B (zh) | 语音处理方法、设备及存储介质 | |
KR101805437B1 (ko) | 배경 화자 데이터를 이용한 화자 인증 방법 및 화자 인증 시스템 | |
EP3816996B1 (en) | Information processing device, control method, and program | |
US11798564B2 (en) | Spoofing detection apparatus, spoofing detection method, and computer-readable storage medium | |
JP6724290B2 (ja) | 音響処理装置、音響処理方法、及び、プログラム | |
KR101621780B1 (ko) | 차신호 주파수 프레임 비교법에 의한 음주 판별 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
US20160093299A1 (en) | File classifying system and method | |
Rahman et al. | Blocking black area method for speech segmentation | |
KR20210054174A (ko) | 음성 데이터의 주기 성분을 이용하여 화자를 분류하는 장치, 방법 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20180619 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20190814 Year of fee payment: 5 |