文献

J-GLOBAL ID：202202265159815581   整理番号：22A0155331

遠いマイクロホンアレイを用いた重複音声検出と話者計数【JST・京大機械翻訳】

Overlapped Speech Detection and speaker counting using distant microphone arrays

著者 (5件)： Cornell Samuele (Department of Information Engineering, Universita Politecnica delle Marche, Italy) ,  Omologo Maurizio (Fondazione Bruno Kessler, Trento, Italy) ,  Omologo Maurizio (Alexa Speech, Amazon) ,  Squartini Stefano (Department of Information Engineering, Universita Politecnica delle Marche, Italy) ,  Vincent Emmanuel (Universite de Lorraine, CNRS, Inria, LORIA, F-54000 Nancy, France)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 72  ページ： Null  発行年： 2022年 
JST資料番号： T0677A  ISSN： 0885-2308  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： マルチチャネル,遠隔マイクロホンシナリオにおいて,同時で重複する話者を検出し,計数する問題を研究した。教師つき学習アプローチに焦点を合わせて,著者らは,一般的重複音声検出と計数(OSDC)マルチクラス教師つき学習問題の実例として,Voice活動検出(VAD),重複音声検出(OSD),共同VADとOSD(VAD+OSD)と話者計数を統一方法で処理する。このタスクのために,時間的畳込みネットワーク(TCN)と変換器ベースのアーキテクチャを考察し,それらを,現在提案された最新技術(RNN)またはハイブリッド畳込みニューラルネットワーク(CRNN)に基づく最先端技術と比較した。さらに,1つ以上のマイクロホン対から抽出した空間特徴を持つ単一チャネル特徴の初期または後期融合による多チャネル入力を利用する方法を提案した。AMIとCHiME-6データセットに関する広範な実験的評価と,目的に作られた多チャネル合成データセットについて実施した。変換器ベースのアーキテクチャは,すべてのアーキテクチャの中で最良に機能し,ニューラルネットワークベースの空間位置決め特徴が,単一チャネル特徴のみと比較して,信号ベースの空間特徴を上回り,性能を著しく改善することを示した。最後に,話者計数目的による訓練は,VAD+OSD目標による訓練と比較してOSDを改善することを見出した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  変換器 ,  *マイクロホン ,  ネットワーク ,  ニューラルネットワーク ,  位置決め ,  教師つき学習 ,  チャネル ,  計算機アーキテクチャ
準シソーラス用語： マルチチャネル ,  話者 ,  *マイクロホンアレイ ,  *音声検出 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 音声活動検出 ,  重複音声検出 ,  話者計数 ,  遠隔マイクロホン ,  空間特徴

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マイクロホンアレイ ,  音声検出 ,  話者 ,  計数