文献

J-GLOBAL ID：201902216899563315   整理番号：19A0460897

キーワードマスク推定による話者選択ビームフォーマ【JST・京大機械翻訳】

Speaker Selective Beamformer with Keyword Mask Estimation

著者 (5件)： Kida Yusuke (Yahoo Japan Corporation) ,  Tran Dung (Yahoo Japan Corporation) ,  Omachi Motoi (Yahoo Japan Corporation) ,  Taniguchi Toru (Yahoo Japan Corporation) ,  Fujita Yuya (Yahoo Japan Corporation)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SLT  ページ： 528-534  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： 本論文では,背景音声におけるターゲット話者の自動音声認識(ASR)の問題に取り組んだ。著者らのアプローチの新規性は,通常,スマート話者のようなASRシステムを活性化するために使用されている,覚醒キーワードに焦点を合わせている。提案方法は,まず第一に,DNNベースのマスク推定器を利用して,混合信号をターゲット話者と残りの背景音声によって起動されるキーワード信号に分離する。次に,分離された信号を,ターゲット話者からの後続の発話を強化するためにビーム成形フィルタを計算するために使用する。実験評価により,訓練したDNNベースマスクは,混合信号からキーワードと背景音声を選択的に分離できることを示した。また,提案手法の有効性を日本ASR実験により検証し,シミュレーションおよび実記録テストセットに対する提案手法により,文字誤り率が大幅に改善されることを確認した。Copyright 2019 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： フィルタ ,  *キーワード ,  覚醒 ,  *ビーム成形 ,  有効性 ,  誤り率 ,  発話
準シソーラス用語： 実験評価 ,  混合信号 ,  自動音声認識 ,  *話者 , 【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 (5件)： キーワード ,  マスク ,  推定 ,  話者 ,  ビームフォーマ