文献

J-GLOBAL ID：201702241425036195   整理番号：17A1035002

ディープニューラルネットワークと重み付き有限状態トランスデューサを用いたオンライン放送転写における音声活動の検出【Powered by NICT】

Speech Activity Detection in online broadcast transcription using Deep Neural Networks and Weighted Finite State Transducers

著者 (4件)： Mateju Lukas (Technical University of Liberec, Faculty of Mechatronics, Informatics, and Interdisciplinary Studies, Studentska 2, 461 17, Czech Republic) ,  Cerva Petr (Technical University of Liberec, Faculty of Mechatronics, Informatics, and Interdisciplinary Studies, Studentska 2, 461 17, Czech Republic) ,  Zdansky Jindrich (Technical University of Liberec, Faculty of Mechatronics, Informatics, and Interdisciplinary Studies, Studentska 2, 461 17, Czech Republic) ,  Malek Jiri (Technical University of Liberec, Faculty of Mechatronics, Informatics, and Interdisciplinary Studies, Studentska 2, 461 17, Czech Republic)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 5460-5464  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,オンライン音声活性検出(SAD)への新しいアプローチを提案した。この手法は大量非音声セグメントを含むラジオ/テレビ放送の24/7転写,広告や音楽などを行うシステムでの使用のために設計した。検出のロバスト性を改善するために,信号対雑音比(SNR)の望ましいレベルで音声と非音声信号の人工的に作成した混合物で訓練したディープニューラルネットワーク(DNN)を採用した。提案アプローチの不可欠な部分は重み付き有限状態トランスデューサ(WFSTs)に基づくオンライン復号器であるこの復号器は,DNNからの出力を円滑化。採用した伝達モデルである文脈ベース,すなわち,発話,及び,非発話事象は状態の配列を用いてモデル化した。提示された実験結果により,提案アプローチでは,SADの標準化QUT雑音TIMITデータ上で,最先端レベルの結果を生じ,同時に,a)低待ち時間で動作でき,b)標的転写システムの計算要求と誤り率を低減することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 平滑化 ,  SN比 ,  誤り率 ,  モデル ,  テレビジョン放送 ,  雑音 ,  音声信号 ,  発話 ,  音楽 ,  *復号器 ,  ロバスト性 ,  待ち時間
準シソーラス用語： *オンライン ,  *重み付き有限状態トランスデューサ ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： ディープニューラルネットワーク ,  重み付き有限状態トランスデューサ ,  オンライン ,  放送 ,  転写 ,  音声 ,  活動