特許6908045IP Force 特許公報全文掲載

技術分野

音声処理に関し、特に音声信号から話者の個人性や発話された言語等の属性情報を認識する音声処理装置、音声処理方法等

発明が解決しようとする課題[発明の詳細な説明]から抜粋

非特許文献1に記載の技術は、話者認識装置に入力された音声信号に対して、音響モデルを用いて算出した音響統計量を因子分析技術に基づいて圧縮する。しかし、同技術は、話者認識装置に入力された音声信号の全体に対して一律の統計処理によりひとつの特徴ベクトルを算出するにとどまる。 そのため、非特許文献1に記載の技術は、話者認識計算において特徴ベクトルの類似度に基づくスコア(点数)を算出することはできる。しかしながら非特許文献1に記載の技術は、特徴ベクトルの要素それぞれと音声信号との対応関係、あるいは特徴ベクトルの要素それぞれが話者認識結果に与える影響、を分析し解釈することは困難であった。 問題に鑑みてなされたものであり、その目的は、話者認識結果の解釈性を高める技術を提供することにある。

課題を解決するための手段[発明の詳細な説明]から抜粋

本開示の音声処理装置は、1つ以上の音響モデルを記憶する音響モデル記憶部と、受け取った音声信号から音響特徴を算出し、算出した音響特徴と記憶された音響モデルとを用いて、音の種類のばらつきの程度を表すベクトルである音響多様度を算出する音響統計量算出部と、算出された音響多様度と選別係数を用いて、重みつきの音響多様度を算出し、算出された重みつきの音響多様度および音響特徴を用いて、話者を認識するため認識・・・ 続きを知財ポータルサイト IP Force にログインして見る
【発明の効果】
本開示によれば、話者認識結果の解釈性を高める技術を提供することができる。

この発明についての権利主張の範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】第1の音声処理装置のブロック図である。

【図2】第1の音声処理装置の動作の一例を示すフローチャートである。

【図3A】第1の音声処理装置の部分特徴抽出部の構成の一例を示す図である。

【図3B】第1の音響多様度の例示である。

【図3C】第1の選別係数W1の例示である。

【図3D】第1の選別係数Wnの例示である。

【図4】第2の話者認識装置の機能構成の一例を示すブロック図である。

【図5】第2の話者認識装置の動作の一例を示すフローチャートである。

【図6】第2の話者認識装置の話者認識計算部の構成の一例を示す図である。

【図7A】第2の話者認識装置が出力する話者認識結果の一例を示す図である。

【図7B】第2の話者認識装置が出力する話者認識結果の一例を示す図である。

【図7C】第2の話者認識装置が出力する話者認識結果の一例を示す図である。

選択図 図1出願人が指定した本件の代表的な図

11 音響統計量算出部   12 音響モデル記憶部   13 部分特徴抽出部   130n 選別部   131n 特徴抽出部   14 部分特徴統合部   21 音声区間検出部   22 認識特徴抽出部   23 話者認識計算部   231 分割部   232m 認識部   233 統合部   24 話者モデル記憶部   100 音声処理装置   200 話者認識装置   V(x) 音声信号xの音響多様度   Vt(x) 短時間フレームごとに算出された音響多様度   Vnt(x) 重みつきの音響多様度   Pi(x) GMMのi番目の要素分布の事後確率   N() ガウス分布の確率密度関数   θi GMMのi番目の要素分布のパラメタ(平均と分散)   wi GMMのi番目の要素分布の混合係数   Ci(x) GMMのi番目の要素分布が選ばれた回数   Wn 選別係数   F(x) 認識特徴量   Fn(x) 部分特徴ベクトル   S0(x) 音声信号xの0次統計量   S1(x) 音声信号xの1次統計量   At(x) 音響特徴   c 統計量S0(x)およびS1(x)の要素数   D At(x)の要素数(次元数)   mc 音響特徴空間におけるc番目の領域の平均ベクトル   S1(x) 音声信号xの1次統計量

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

[広告欄]

ログインすれば広告は減ります

ログインすれば広告は減ります