文献

J-GLOBAL ID：201802235606067798   整理番号：18A1807310

デュアルモード中国語感情音声データベースのためのオーディオビジュアルクリップの探索【JST・京大機械翻訳】

Searching Audio-Visual Clips for Dual-mode Chinese Emotional Speech Database

著者 (3件)： Zhang Xudong (Faculty of Engineering / School of Electronics and Information Engineering, Tokushima University / Nantong University, Tokushima, Japan / Jiangsu, China) ,  Wu Guoqing (School of Electronics and Information Engineering, Nantong University, Jiangsu, China) ,  Ren Fuji (Faculty of Engineering, Tokushima University, Tokushima, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACII Asia  ページ： 1-6  発行年： 2018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： 豊富な自発的音声を有する広く受け入れられている中国語感情音声データベースは,中国語感情音声認識と感情コンピューティングに必須である。本論文は,そのような中国語の聴覚-視覚自然感情音声データベースを構築する新しい方法を提示した。ソース材料は中国における様々なビデオに由来する。音声活動検出技術を導入して,対話における構文境界の開始時間と終了時間の集合を捉えた。この時間セットは,完全なフレーズまたは文章に到達することを確実にするために,抽出処理の後に役に立つ。Microsoft Emotion APIを採用して,ビデオからフレームレベルにおける8つの感情状態の集合を通しての信頼性を計算した。結合圧縮識別アルゴリズムを提示して,どのクリップが候補として受け入れられるかを検出し,感情状態がほとんどであることを検出した。最後に,手動聴取試験と修正を実行した。データ解析は,提案方法が実行可能で有効であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出法 ,  音声認識 ,  視覚 ,  *音声データベース ,  信頼性 ,  聴覚 ,  アルゴリズム ,  *中国語 ,  データ解析 ,  録画装置
準シソーラス用語： 感情状態 ,  フレーズ ,  構文 ,  *オーディオビジュアル ,  *デュアルモード , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： デュアルモード ,  中国語 ,  感情音声 ,  データベース ,  オーディオビジュアル ,  クリップ ,  探索