特許

J-GLOBAL ID：201803004511579679

音声活動検出

発明者： タラ・エヌ・セーナス ,  ガボール・シムコ ,  マリア・キャロライナ・パラダ・サン・マーティン ,  ルーベン・サソ・カンディル
出願人/特許権者： グーグル エルエルシー
代理人 (3件)： 村山 靖彦 ,  実広 信哉 ,  阿部 達彦
公報種別：公表公報
出願番号（国際出願番号）：特願2017-556929
公開番号（公開出願番号）：特表2018-517928
出願日： 2016年07月22日
公開日（公表日）： 2018年07月05日
要約：

音声活動を検出するための、コンピュータ記憶媒体上に符号化されたコンピュータプログラムを備える、方法、システム、および装置。一態様では、本方法は、自動化された音声活動検出システムに含まれるニューラルネットワークによって、生オーディオ波形を受信するアクションと、ニューラルネットワークによって、オーディオ波形が発話を含むかどうかを判定するために生オーディオ波形を処理するアクションと、ニューラルネットワークによって、生オーディオ波形が発話を含むかどうかを指示する生オーディオ波形の分類を提供するアクションとを含む。

請求項（抜粋）：

コンピュータ実装方法であって、 自動化された音声活動検出システムに含まれるニューラルネットワークによって、生オーディオ波形を受信するステップと、 前記ニューラルネットワークによって、前記オーディオ波形が発話を含むかどうかを判定するために前記生オーディオ波形を処理するステップと、 前記ニューラルネットワークによって、前記生オーディオ波形が発話を含むかどうかを指示する前記生オーディオ波形の分類を提供するステップと を含む、コンピュータ実装方法。

IPC (3件)：

G10L 25/78 ,  G10L 25/30 ,  G10L 15/04

FI (3件)：

G10L25/78 ,  G10L25/30 ,  G10L15/04 300Z

引用文献：

出願人引用 (3件)

• Learning the Speech Front-End with Raw Waveform CLDNNs
• 会議音声における音声区間検出のためのDeep Neural Networkとクロス適応の検討
• ダイナミックプログラミング・ニューラルネットワーク音声認識における端点自動検出法

審査官引用 (4件)

• Learning the Speech Front-End with Raw Waveform CLDNNs
• Learning the Speech Front-End with Raw Waveform CLDNNs
• 会議音声における音声区間検出のためのDeep Neural Networkとクロス適応の検討
• ダイナミックプログラミング・ニューラルネットワーク音声認識における端点自動検出法