文献

J-GLOBAL ID：201802220350449947   整理番号：18A0615222

現実的な日本の電話会話とその応用における呼吸音の検出自動音声認識への応用【Powered by NICT】

Detecting breathing sounds in realistic Japanese telephone conversations and its application to automatic speech recognition

著者 (3件)： Fukuda Takashi (IBM Research AI, Nihonbashi Hakozaki-cho, Chuo-ku, Tokyo 103-8510, Japan) ,  Ichikawa Osamu (IBM Research AI, Nihonbashi Hakozaki-cho, Chuo-ku, Tokyo 103-8510, Japan) ,  Nishimura Masafumi (Shizuoka University, Suruga-ku, Shizuoka 422-8017, Japan)
資料名： Speech Communication  (Speech Communication)
巻： 98  ページ： 95-103  発行年： 2018年 
JST資料番号： W1590A  ISSN： 0167-6393  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 非言語音検出は長い間,音声分析分野で注目を集めている。笑い検出,咳,口唇smackingは文献で良く研究されているが,呼気事象検出は,そうすることの必要性にも関わらず,あまり研究されていない。呼吸事象は主要な韻律切断とは強く相関しており,呼吸イベントの位置は,音声区間検出(VAD)技術と組み合わせた発話の区切り記号として使用できることを意味している。,「エッジ」と呼ばれる呼吸音前後長右約20msの無音区間を音声信号で明確に観測した。文献では,エッジを捕捉呼吸事象の検出における誤警報を低減に非常に効果的であることを示した。しかし,呼吸は自発的音声で用いられるとき端はしばしば消失した。本研究では,自発音声における呼吸イベント検出のロバスト性に焦点を当てた。著者等が開発した呼気検出法は,呼吸音に特化していることを音響情報を活用し,97.4%の精度で呼気事象を検出できる2段アプローチをもたらした。も提案した呼吸イベントを活用することによりセグメンテーションされていない音声信号を分割する意味的にグループ化された発話した。正確な呼吸イベント検出に基づく音声セグメンテーションは,自動音声認識(ASR)の3.8%相対誤差低減を提供した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 言語 ,  音声分析 ,  *音響 ,  音声信号 ,  ロバスト性 ,  検出法 ,  呼気 ,  セグメンテーション ,  *会話 ,  発話 ,  *呼吸音
準シソーラス用語： 音声区間検出 ,  韻律 ,  イベント検出 ,  *自動音声認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： 呼吸事象検出 ,  、自然発生的スピーチ ,  音声表現 ,  音声活動検出 ,  自動音声認識

分類 (2件)： 音声処理  (JE05000E) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (7件)： 現実 ,  日本 ,  電話 ,  会話 ,  応用 ,  呼吸音 ,  自動音声認識