文献

J-GLOBAL ID：201702268637003845   整理番号：17A0941409

北京官話におけるマルチchannel/multi話者対話型3Dオーディオビジュアル音声コーパス【Powered by NICT】

A multi-channel/multi-speaker interactive 3D audio-visual speech corpus in Mandarin

著者 (4件)： Yu Jun (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Su Rongfeng (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Wang Lan (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Zhou Wenpeng (Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISCSLP  ページ： 1-5  発行年： 2016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,標準中国語連続音声認識と他の分野のためのマルチchannel/multi話者3D視聴覚コーパス,音声可視化と音声合成などを紹介した。コーパスは,約18Kの発話の24人の話者から構成され,全部で約20時間。各発話では,オーディオストリームは,それぞれ近接場と遠視野で二専門マイクロホンにより記録した,一方,六赤外カメラを用いたマーカーベースの3D顔モーションキャプチャシステムは3Dビデオストリームを取得するために使用した。に加えて,対応する2Dビデオストリームはサプリメントとして付加的なカメラで捕捉した。同期オーディオとビデオストリームのための本論文で記述した,異常値の検出と補正,記録中の頭部運動を除去するデータ処理。最後に,データ処理に関する結果についても考察した。これまで,このコーパスは中国語のための最大3D視聴覚コーパスである。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： データ処理 ,  可視化 ,  *オーディオ機器 ,  連続音声認識 ,  音声合成 ,  マイクロホン ,  *コーパス ,  *三次元 ,  発話 ,  中国語
準シソーラス用語： ビデオストリーム ,  視聴覚 ,  *音声コーパス ,  *オーディオビジュアル ,  *話者 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 北京 ,  マルチ ,  話者 ,  対話型 ,  3D ,  オーディオビジュアル ,  音声コーパス