文献

J-GLOBAL ID：202202215063711061   整理番号：22A0554663

雑音中の音声了解度改善のための雑音性音声のエンドツーエンドニューラルベース修正【JST・京大機械翻訳】

End-to-End Neural Based Modification of Noisy Speech for Speech-in-Noise Intelligibility Improvement

著者 (3件)： Shifas Muhammed P.V. (Speech Signal Processing Laboratory (SSPL), Department of Computer Science, University of Crete, Heraklion, Greece) ,  Zorila Catalin (Toshiba Cambridge Research Laboratory, U.K.) ,  Stylianou Yannis (Speech Signal Processing Laboratory (SSPL), Department of Computer Science, University of Crete, Heraklion, Greece)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 30  ページ： 162-173  発行年： 2022年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
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： 音声の知能は,背景雑音のような有害な近端聴取条件に提示されるとき,かなり低減できる。そのような条件における音声の認識を改善するために,複数のアプローチが示唆されてきた。しかし,これらのアプローチの大部分は,クリーン入力音声で動作するように設計された。従って,それらは,雑音入力音声が全く一般的であるテレフォニーや補聴器のような実世界アプリケーションで展開するとき,重大な制限がある。本論文では,上記の問題に対するエンドツーエンドニューラルネットワークアプローチを提示し,それは,入力雑音を効果的に減らし,そして,悪条件における聴取者に対する明瞭度を改善する。そのために,可変拡張因子を有する畳み込みニューラルネットワークトポロジーを提案し,入力として生の音声を用いて因果と非因果形態の両方を評価した。Teacher-Student訓練戦略を採用し,そこでは,Teacherは,スペクトル成形とそれに続く動的範囲圧縮(SSDRC)に基づく,十分に確立された音声雑音明瞭度エンハンサーである。評価は,ビットメトリック(SIIB)の音声可理解性,およびギリシャHarvardコーパスの主観的利用の両方を用いて,客観的に行う。SSDRCの雑音ロバストマルチバンドバージョンをベースラインとして使用した。ベースラインと比較して,0dB入力SNRにおいて,提案ニューラルネットワークシステムは,変動および静止バックグラウンドにおいて,それぞれ,約380%および230%の相対的SIIB改善を達成した。主観的に,提案モデルは,ベースラインと比較して,0dB入力SNRで25%から60%の定常雑音で,また5dB入力SNRで約52%から75%まで,聴取者のキーワード補正率を増加させた。Copyright 2022 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： 位相幾何学 ,  *雑音 ,  ニューラルネットワーク ,  ギリシャ共和国 ,  明瞭度 ,  スペクトル ,  補聴器 ,  *エンドツーエンド方式 ,  応用プログラム ,  ダイナミックレンジ ,  性質 ,  基準線 ,  コーパス
準シソーラス用語： 背景雑音 ,  可理解性 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 雑音 ,  音声了解度 ,  音声