JPH03114100A - 音声区間検出装置 - Google Patents
音声区間検出装置Info
- Publication number
- JPH03114100A JPH03114100A JP1253313A JP25331389A JPH03114100A JP H03114100 A JPH03114100 A JP H03114100A JP 1253313 A JP1253313 A JP 1253313A JP 25331389 A JP25331389 A JP 25331389A JP H03114100 A JPH03114100 A JP H03114100A
- Authority
- JP
- Japan
- Prior art keywords
- energy
- frame
- spectral dispersion
- threshold
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
産業上の利用分野
本発明は音声スペクトル分散（ｓｐｅｃｔｒｕｍｖａｒ
ｌａｎｃｅ ）とエネルギー（ｅｎｅｒｇｙ）との動態
特徴（ｄｙｎａｍｌｃ ｆｅａｔｕｒｅ）によって入力
音声の有声区間の始点と終点を検出し、音声認識システ
ムに使用される音声区間検出装置である。
ｌａｎｃｅ ）とエネルギー（ｅｎｅｒｇｙ）との動態
特徴（ｄｙｎａｍｌｃ ｆｅａｔｕｒｅ）によって入力
音声の有声区間の始点と終点を検出し、音声認識システ
ムに使用される音声区間検出装置である。
従来の技術
第２図は、従来の音声区間検出を示すブロック図である
。同図において、ＩＯは、マイク、アナログ／ディジタ
ル変換器（Ａ／Ｄ ｃｏｎｖｅｒｔｅｒ ）などの装置
によって、アナログ音声信号を集めて、ディジタル音声
データに変換して、バッファに記憶する音声データ入力
手段である。２０はフレームごとにの各サンプルのパタ
ーンを２乗して、対数（ｌｏｇ）を取り、このフレーム
内のエネルギーとスルエネルギー抽出手段である。３０
はいくつかのフレームの背景雑音（ｂａｃｋｇｒｏｕｎ
ｄ ｎｏｌｓｅ ）の雑音エネ゛ルギーを平均して、そ
の平均値を音声検出用のエネルギーしきい値とするエネ
ルギーしきい値獲得手段である。４０はエネルギー抽出
手段２０のフレームでのエネルギーをエネルギーしきい
値獲得手段３０のエネルギーしきい値と比較して、フレ
ームでのエネルギーはエネルギーしきい値より大きけれ
ば、このフレームは有声区間と見なされる。そして、も
し有声区間の始点がまだ見付からない場合はこれは音声
区間の始点と判定して、そうではない場合は音声区間内
の継続音声と見なす音声始点検出手段である。５０は音
声始点を検出してから、エネルギー抽出手段２０のフレ
ームでのエネルギーをエネルギーしきい値獲得手段３０
のエネルギーしきい値と比較して、連続フレームのエネ
ルギーはいくつかもエネルギーしきい値より小さい場合
、このフレームは音声の終点と見なす音声終点検出手段
である。
。同図において、ＩＯは、マイク、アナログ／ディジタ
ル変換器（Ａ／Ｄ ｃｏｎｖｅｒｔｅｒ ）などの装置
によって、アナログ音声信号を集めて、ディジタル音声
データに変換して、バッファに記憶する音声データ入力
手段である。２０はフレームごとにの各サンプルのパタ
ーンを２乗して、対数（ｌｏｇ）を取り、このフレーム
内のエネルギーとスルエネルギー抽出手段である。３０
はいくつかのフレームの背景雑音（ｂａｃｋｇｒｏｕｎ
ｄ ｎｏｌｓｅ ）の雑音エネ゛ルギーを平均して、そ
の平均値を音声検出用のエネルギーしきい値とするエネ
ルギーしきい値獲得手段である。４０はエネルギー抽出
手段２０のフレームでのエネルギーをエネルギーしきい
値獲得手段３０のエネルギーしきい値と比較して、フレ
ームでのエネルギーはエネルギーしきい値より大きけれ
ば、このフレームは有声区間と見なされる。そして、も
し有声区間の始点がまだ見付からない場合はこれは音声
区間の始点と判定して、そうではない場合は音声区間内
の継続音声と見なす音声始点検出手段である。５０は音
声始点を検出してから、エネルギー抽出手段２０のフレ
ームでのエネルギーをエネルギーしきい値獲得手段３０
のエネルギーしきい値と比較して、連続フレームのエネ
ルギーはいくつかもエネルギーしきい値より小さい場合
、このフレームは音声の終点と見なす音声終点検出手段
である。
上述第２図に示す一般の音声区間検出は、例えば特公昭
８１−４７４３７号公報（「音声区間の終端検出装置」
）に上記のような類似方式を採用したものが示されてい
る。また、特公昭Ｇ１−３４４０号公報に示されている
「音声区間信号検出回路」もゼロクロス率を基づいて上
記のような類似方法で完成した装置である。
８１−４７４３７号公報（「音声区間の終端検出装置」
）に上記のような類似方式を採用したものが示されてい
る。また、特公昭Ｇ１−３４４０号公報に示されている
「音声区間信号検出回路」もゼロクロス率を基づいて上
記のような類似方法で完成した装置である。
発明が解決しようとする課題
上記従来の音声区間検出は音声のエネルギー特徴だけに
より音声区間の検出を行なう。しかしながら、中国語等
の言語にはある音声の始点のエネルギーは非常に弱くて
、雑音に含まれているエネルギーとよく似ている。例え
ば、Ｉ：（ｆ）％ へ（Ｓ）、＜ （ｑ ）Ｎ ”
； （ｃ ）、などの摩擦音であれば従来の方法では雑
音として誤判定して摩擦音の音声区間を正しく検出でき
ない。それに従って、音声区間も乱れて、認識装置の認
識率はもちろん大幅に低下する。
より音声区間の検出を行なう。しかしながら、中国語等
の言語にはある音声の始点のエネルギーは非常に弱くて
、雑音に含まれているエネルギーとよく似ている。例え
ば、Ｉ：（ｆ）％ へ（Ｓ）、＜ （ｑ ）Ｎ ”
； （ｃ ）、などの摩擦音であれば従来の方法では雑
音として誤判定して摩擦音の音声区間を正しく検出でき
ない。それに従って、音声区間も乱れて、認識装置の認
識率はもちろん大幅に低下する。
本発明はかかる点に鑑み、従来のエネルギー特徴からだ
けでは検出できない摩擦音等の音声も検出可能な音声区
間検出装置を提供することを目的とする。
けでは検出できない摩擦音等の音声も検出可能な音声区
間検出装置を提供することを目的とする。
課題を解決するための手段
上記の問題点を解消するために、本発明は、入力音声信
号から一定区間内のディジタル音声データをｉつのフレ
ームとしてそのフレームでのエネルギーを抽出するエネ
ルギー抽出部と、いくつかのフレームの背景雑音エネル
ギーを平均してその平均値をエネルギーしきい値とし、
環境の変化に従って、エネルギーしきい値を調整するエ
ネルギーしきい値計算部と、フレームの周波数によりま
ず該当フレームのスペクトルの平均値を求めてスペクト
ル分散をパラメータとして計算するスペクトル分散抽出
部と、いくつかのフレームの背景雑音のスペクトル分散
平均値をスペクトル分散しきい値として環境の変化に従
って、適当にスペクトル分散しきい値を調整するスペク
トル分散しきい値計算部と、入力音声の各フレームのエ
ネルギー及びスペクトル分散をエネルギーしきい値及び
スペクトル分散しきい値と比較することによりこのフレ
ームは音声区間の始点であるか否かをチェックして、入
力音声の各フレームのエネルギーをエネルギーしきい値
と比較してこのフレームが音声区間の終点であるか否か
をチェックする音声区間検出部とを備えたことを特徴と
する音声区間検出装置である。
号から一定区間内のディジタル音声データをｉつのフレ
ームとしてそのフレームでのエネルギーを抽出するエネ
ルギー抽出部と、いくつかのフレームの背景雑音エネル
ギーを平均してその平均値をエネルギーしきい値とし、
環境の変化に従って、エネルギーしきい値を調整するエ
ネルギーしきい値計算部と、フレームの周波数によりま
ず該当フレームのスペクトルの平均値を求めてスペクト
ル分散をパラメータとして計算するスペクトル分散抽出
部と、いくつかのフレームの背景雑音のスペクトル分散
平均値をスペクトル分散しきい値として環境の変化に従
って、適当にスペクトル分散しきい値を調整するスペク
トル分散しきい値計算部と、入力音声の各フレームのエ
ネルギー及びスペクトル分散をエネルギーしきい値及び
スペクトル分散しきい値と比較することによりこのフレ
ームは音声区間の始点であるか否かをチェックして、入
力音声の各フレームのエネルギーをエネルギーしきい値
と比較してこのフレームが音声区間の終点であるか否か
をチェックする音声区間検出部とを備えたことを特徴と
する音声区間検出装置である。
作 用
本発明は上記した構成により、スペクトル分散手法で摩
擦音のようなエネルギーの弱い音声始点をも検出できる
ので、確実に音声区間を検出することができる。
擦音のようなエネルギーの弱い音声始点をも検出できる
ので、確実に音声区間を検出することができる。
実施例
第１図は、本発明の一実施例を示すブロック図である。
第１図において、第２図のものと同一動作を行なうもの
は、同一符号を付している。１ｏは音声データ入力部、
２０はエネルギー抽出部、３０はエネルギーしきい値計
算部である。以上は第２図と同じ動作である。５１は音
声データ入力部１０で入力された音声信号によって、各
フレーム毎の線形予測分析（Ｌ Ｐ ＣＮ Ｌｉｎｅ
ａｒ Ｐｒｅｄｌｃｔｌｏｎ Ｃｏｄｉｎｇ ）関数で
スペクトルを計算するスペクトル計算部、６１はスペク
トル平均値を計算してそしてスペクトル分散（Ｓｐｅｃ
ｔｒｕｍ Ｖａｒｉａｎｃｅ ）を計算するスペクトル
分散抽出部である。９０はエネルギー抽出部２０で抽出
した各フレームのエネルギーとスペクトル分散抽出部６
１で抽出した各フレームのスペクトル分散を記憶するバ
ッファメモリである。
は、同一符号を付している。１ｏは音声データ入力部、
２０はエネルギー抽出部、３０はエネルギーしきい値計
算部である。以上は第２図と同じ動作である。５１は音
声データ入力部１０で入力された音声信号によって、各
フレーム毎の線形予測分析（Ｌ Ｐ ＣＮ Ｌｉｎｅ
ａｒ Ｐｒｅｄｌｃｔｌｏｎ Ｃｏｄｉｎｇ ）関数で
スペクトルを計算するスペクトル計算部、６１はスペク
トル平均値を計算してそしてスペクトル分散（Ｓｐｅｃ
ｔｒｕｍ Ｖａｒｉａｎｃｅ ）を計算するスペクトル
分散抽出部である。９０はエネルギー抽出部２０で抽出
した各フレームのエネルギーとスペクトル分散抽出部６
１で抽出した各フレームのスペクトル分散を記憶するバ
ッファメモリである。
本実施例のサンプリング率（ｓａｍｐＨｎｇ ｒａｔｅ
）はたとえばｌ０ＫＥＺで、各フレームは２５６ポイ
ント、フレームとフレームとの間の重複部分は１２８ポ
イント、そして各フレーム毎の線形予測分析関数でスペ
クトルを計算する。スペクトルの計算はサンプリング・
スペース（ｓａｍｐＨｎｇ ５ｐａｃｅ ）の０〜５
Ｋ１１２を１６部分に分けて、各部分は一つの周波数チ
ャンネル（ｃｈａｎｎｅｌ）である。Ｓ （ｎ、ｍ）は
第ｎ個フレームの第ｍ個周波数チャンネルのスペクトル
の大きさである。下式によりフレームのスペクトル平均
値を獲得する。
）はたとえばｌ０ＫＥＺで、各フレームは２５６ポイ
ント、フレームとフレームとの間の重複部分は１２８ポ
イント、そして各フレーム毎の線形予測分析関数でスペ
クトルを計算する。スペクトルの計算はサンプリング・
スペース（ｓａｍｐＨｎｇ ５ｐａｃｅ ）の０〜５
Ｋ１１２を１６部分に分けて、各部分は一つの周波数チ
ャンネル（ｃｈａｎｎｅｌ）である。Ｓ （ｎ、ｍ）は
第ｎ個フレームの第ｍ個周波数チャンネルのスペクトル
の大きさである。下式によりフレームのスペクトル平均
値を獲得する。
ここで、５（ｎ）は第ｎフレームのスペクトル平均値で
ある。フレーム内の各周波数チャンネルのスペクトルか
らスペクトル平均値を引いてがら２乗和してこのフレー
ムのスペクトル分散ヲ計算することができる。
ある。フレーム内の各周波数チャンネルのスペクトルか
らスペクトル平均値を引いてがら２乗和してこのフレー
ムのスペクトル分散ヲ計算することができる。
Ｖ （ｎ）は第０個フレームのスペクトル分散である。
第３図は四つの久方音声信号／ｄ／、／ｓ／、／ａ／及
び／５ｌｌｅｎｃｅ／ （沈黙）スペクトルである。こ
の四つの音声に対して、沈黙のスペクトルは他のスペク
トルよりスムーズなので、沈黙のスペクトル分散は他の
三つの音声のスペクトル分散より小さい。この特性によ
り音声を背景信号から分離することができる。
び／５ｌｌｅｎｃｅ／ （沈黙）スペクトルである。こ
の四つの音声に対して、沈黙のスペクトルは他のスペク
トルよりスムーズなので、沈黙のスペクトル分散は他の
三つの音声のスペクトル分散より小さい。この特性によ
り音声を背景信号から分離することができる。
７１は入力し始めた音声のいくつかのフレームのスペク
トル分散により、下式のように計算してスペクトル分散
しきい値となるスペクトル分散しきい値計算部である。
トル分散により、下式のように計算してスペクトル分散
しきい値となるスペクトル分散しきい値計算部である。
ＶＴＲ＝ （Σ Ｖ（ｎ））＊１． ５ここでのＶＴ
Ｈは１０フレームに基づいてのスペクトル分散しきい値
であり、Ｖ（ｎ）は５ｉｌｅｎｃｅ期間内の第ｎフレー
ムのスペクトル分散である。
Ｈは１０フレームに基づいてのスペクトル分散しきい値
であり、Ｖ（ｎ）は５ｉｌｅｎｃｅ期間内の第ｎフレー
ムのスペクトル分散である。
８１は音声始点と音声終点を検出する音声区間検出部で
ある。エネルギー抽出部２ｏで抽出されたエネルギー及
びスペクトル分散抽出部６１で抽出されたスペクトル分
散をそれぞれエネルギーしきい値計算部３０でのエネル
ギーしきい値及びスペクトル分散しきい値計算部７１で
のスペクトル分散しきい値と比較して、そのフレームは
音声始点であるかどうかをチェックする。すなわち、第
４図の流れ図のように、まず一つのフレームのエネルギ
ーを入力して、それのエネルギーがエネルギーしきい値
より大きいかを判定して、もし、エネルギーしきい値よ
り小さい場合は、このフレームを背景雑音と見なして、
エネルギーしきい値を調整する。
ある。エネルギー抽出部２ｏで抽出されたエネルギー及
びスペクトル分散抽出部６１で抽出されたスペクトル分
散をそれぞれエネルギーしきい値計算部３０でのエネル
ギーしきい値及びスペクトル分散しきい値計算部７１で
のスペクトル分散しきい値と比較して、そのフレームは
音声始点であるかどうかをチェックする。すなわち、第
４図の流れ図のように、まず一つのフレームのエネルギ
ーを入力して、それのエネルギーがエネルギーしきい値
より大きいかを判定して、もし、エネルギーしきい値よ
り小さい場合は、このフレームを背景雑音と見なして、
エネルギーしきい値を調整する。
そうではない場合は、このフレームの後の５つのフレー
ムがエネルギーしきい値より大きいかをチェックして、
もし、大きければこのフレームは音声始点と一時的に暫
定する。そして、このフレームの前の各フレームのスペ
クトル分散がスペクトル分散しきい値より大きいかどう
かを、あるフレームのスペクトル分散がスペクトル分散
しきい値より小さくなるまで検査する。そして、スペク
トル分散がスペクトル分散しきい値より小さくなるなる
フレームの直後のフレームを音声区間の始点とする。本
当の音声始点はスペクトル分散がスペクトル分散しきい
値より小さいフレームの後のこのフレームである。
ムがエネルギーしきい値より大きいかをチェックして、
もし、大きければこのフレームは音声始点と一時的に暫
定する。そして、このフレームの前の各フレームのスペ
クトル分散がスペクトル分散しきい値より大きいかどう
かを、あるフレームのスペクトル分散がスペクトル分散
しきい値より小さくなるまで検査する。そして、スペク
トル分散がスペクトル分散しきい値より小さくなるなる
フレームの直後のフレームを音声区間の始点とする。本
当の音声始点はスペクトル分散がスペクトル分散しきい
値より小さいフレームの後のこのフレームである。
第５図は、音声データの例を示す図で、この場合、まず
連続する５フレームがエネルギーしきい値を越える第ｎ
フレームを音声始点と一時的に暫定する。次にこの第ｎ
フレームより前のフレームについて、スペクトル分散値
を求め、スペクトル分散しきい値との比較を行なう。そ
の結果、第ｎフレームから第ｎ−２フレームまではスペ
クトル分散値がスペクトル分散しきい値より大きく、第
ｎ−３フレームではスペクトル分散値がスペクトル分散
しきい値より小さいので、第ｎ−２フレームを音声区間
の始点とする。
連続する５フレームがエネルギーしきい値を越える第ｎ
フレームを音声始点と一時的に暫定する。次にこの第ｎ
フレームより前のフレームについて、スペクトル分散値
を求め、スペクトル分散しきい値との比較を行なう。そ
の結果、第ｎフレームから第ｎ−２フレームまではスペ
クトル分散値がスペクトル分散しきい値より大きく、第
ｎ−３フレームではスペクトル分散値がスペクトル分散
しきい値より小さいので、第ｎ−２フレームを音声区間
の始点とする。
音声終点の検出について、エネルギー抽出部２０のフレ
ームでのエネルギーをエネルギーしきい値と比較して、
連続５フレームのエネルギーがいくつかエネルギーしき
い値より小さい場合、このフレームは音声の終点と見な
す。例えば中国語の場合、すべての音声の終点は母音な
ので、音声区間の終点の検出はエネルギーで判定するこ
とにより、正確に検出できる。
ームでのエネルギーをエネルギーしきい値と比較して、
連続５フレームのエネルギーがいくつかエネルギーしき
い値より小さい場合、このフレームは音声の終点と見な
す。例えば中国語の場合、すべての音声の終点は母音な
ので、音声区間の終点の検出はエネルギーで判定するこ
とにより、正確に検出できる。
第５図においては、第ｍフレームから第ｍ＋５フレーム
まで連続する５つのフレームについて、そのエネルギー
がエネルギーしきい値より小さいので、第ｍフレームを
音声区間の終点とする。
まで連続する５つのフレームについて、そのエネルギー
がエネルギーしきい値より小さいので、第ｍフレームを
音声区間の終点とする。
上記本発明の実施例の各部で、音声のスペクトル分散の
特性及びエネルギーにより、正確に音声の始点と終点を
検出することができる。音声認識を行なう時に無駄な計
算を減らすことができ、認識率も向上する。例えば、こ
の音声区間の検出装置を特定話者に対する音声認識装置
に適用し、中国語、都市名の１００単語の認識を行なっ
た結果、認識率は９２％から９８％に向上し、認識時間
の大幅な短縮も実現できた。
特性及びエネルギーにより、正確に音声の始点と終点を
検出することができる。音声認識を行なう時に無駄な計
算を減らすことができ、認識率も向上する。例えば、こ
の音声区間の検出装置を特定話者に対する音声認識装置
に適用し、中国語、都市名の１００単語の認識を行なっ
た結果、認識率は９２％から９８％に向上し、認識時間
の大幅な短縮も実現できた。
この発明は上記実施例に限定されることなく、その要旨
を変更しない限り、適当に変化して実施することができ
る。例えば、周波数という特徴を獲得する方法は線形予
測分析スペクトルに限らず、線形分析スペクトルや音声
の周波数を表わす特徴でも適用できる。
を変更しない限り、適当に変化して実施することができ
る。例えば、周波数という特徴を獲得する方法は線形予
測分析スペクトルに限らず、線形分析スペクトルや音声
の周波数を表わす特徴でも適用できる。
また、データの入力方式はマイクに限らず、録音装置で
も音声データをメモリに記憶させることができる。
も音声データをメモリに記憶させることができる。
また、この実施例では、エネルギーの比較を連続する５
つのフレームについて行なっているが、このフレーム数
については周辺の機器に応じて変更してやれば良い。さ
らに、この実施例で示したスペクトル分散しきい値ＶＴ
Ｒの式は実験値であり、機器の特性等に応じて各係数を
調整すればより良い結果を得ることができる。
つのフレームについて行なっているが、このフレーム数
については周辺の機器に応じて変更してやれば良い。さ
らに、この実施例で示したスペクトル分散しきい値ＶＴ
Ｒの式は実験値であり、機器の特性等に応じて各係数を
調整すればより良い結果を得ることができる。
発明の効果
本発明は音声のエネルギー及びスペクトル分散の特性に
より有効に音声区間を検出することができる。そして、
認識率を上げ、認識時間も大幅、に短縮することができ
るのでその実用的効果は太きい。
より有効に音声区間を検出することができる。そして、
認識率を上げ、認識時間も大幅、に短縮することができ
るのでその実用的効果は太きい。
第１図は本発明の一実施例における音声区間検出装置の
構成を示すブロック図、第２図は従来例の音声区間検出
装置の構成を示すブロック図、第３図は四つの入力音声
信号のスペクトルを示す説明図、第４図は音声始点検出
を説明する流れ図、第５図は音声区間の検出の例を示す
説明図である。 ＩＯ・・・音声データ入力部、２ｏ・・・エネルギー抽
出部、３０・・・エネルギーしきい値計算部、４１・・
・バッファメモリ、５１・・・スペクトル計算部Ｇｌ・
・・スペクトル分散計算部、 ７１・・・スペクトル分散しきい値計算部、８１・・・
音声区間検出部。 第 図 第 ４ 図 一一−］ 第 図
構成を示すブロック図、第２図は従来例の音声区間検出
装置の構成を示すブロック図、第３図は四つの入力音声
信号のスペクトルを示す説明図、第４図は音声始点検出
を説明する流れ図、第５図は音声区間の検出の例を示す
説明図である。 ＩＯ・・・音声データ入力部、２ｏ・・・エネルギー抽
出部、３０・・・エネルギーしきい値計算部、４１・・
・バッファメモリ、５１・・・スペクトル計算部Ｇｌ・
・・スペクトル分散計算部、 ７１・・・スペクトル分散しきい値計算部、８１・・・
音声区間検出部。 第 図 第 ４ 図 一一−］ 第 図
Claims (1)
- 入力音声信号から一定区間内のディジタル音声データを
一つのフレームとしてそのフレームでのエネルギーを抽
出するエネルギー抽出部と、いくつかのフレームの背景
雑音エネルギーを平均してその平均値をエネルギーしき
い値とし、環境の変化に従って、エネルギーしきい値を
調整するエネルギーしきい値計算部と、フレームの周波
数によりまず該当フレームのスペクトルの平均値を求め
てスペクトル分散をパラメータとして計算するスペクト
ル分散抽出部と、いくつかのフレームの背景雑音のスペ
クトル分散平均値をスペクトル分散しきい値として環境
の変化に従って、適当にスペクトル分散しきい値を調整
するスペクトル分散しきい値計算部と、入力音声の各フ
レームのエネルギー及びスペクトル分散をエネルギーし
きい値及びスペクトル分散しきい値と比較することによ
りこのフレームは音声区間の始点であるか否かをチェッ
クして、入力音声の各フレームのエネルギーをエネルギ
ーしきい値と比較してこのフレームが音声区間の終点で
あるか否かをチェックする音声区間検出部とを備えたこ
とを特徴とする音声区間検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1253313A JPH03114100A (ja) | 1989-09-28 | 1989-09-28 | 音声区間検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1253313A JPH03114100A (ja) | 1989-09-28 | 1989-09-28 | 音声区間検出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH03114100A true JPH03114100A (ja) | 1991-05-15 |
Family
ID=17249560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1253313A Pending JPH03114100A (ja) | 1989-09-28 | 1989-09-28 | 音声区間検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH03114100A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100363251B1 (ko) * | 1996-10-31 | 2003-01-24 | 삼성전자 주식회사 | 음성 끝점 판별 방법 |
| JP2005227782A (ja) * | 2004-02-10 | 2005-08-25 | Samsung Electronics Co Ltd | 有声音および無声音の検出装置、並びにその方法 |
| JP2010061151A (ja) * | 2002-01-24 | 2010-03-18 | Motorola Inc | 雑音環境のための音声活動検出器及び有効化器 |
| RU2723301C1 (ru) * | 2019-11-20 | 2020-06-09 | Акционерное общество "Концерн "Созвездие" | Способ разделения речи и пауз по значениям дисперсий амплитуд спектральных составляющих |
| WO2021091504A1 (en) * | 2019-11-04 | 2021-05-14 | Cankaya Universitesi | Signal energy calculation with a new method and a speech signal encoder obtained by means of this method |
-
1989
- 1989-09-28 JP JP1253313A patent/JPH03114100A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100363251B1 (ko) * | 1996-10-31 | 2003-01-24 | 삼성전자 주식회사 | 음성 끝점 판별 방법 |
| JP2010061151A (ja) * | 2002-01-24 | 2010-03-18 | Motorola Inc | 雑音環境のための音声活動検出器及び有効化器 |
| JP2005227782A (ja) * | 2004-02-10 | 2005-08-25 | Samsung Electronics Co Ltd | 有声音および無声音の検出装置、並びにその方法 |
| WO2021091504A1 (en) * | 2019-11-04 | 2021-05-14 | Cankaya Universitesi | Signal energy calculation with a new method and a speech signal encoder obtained by means of this method |
| RU2723301C1 (ru) * | 2019-11-20 | 2020-06-09 | Акционерное общество "Концерн "Созвездие" | Способ разделения речи и пауз по значениям дисперсий амплитуд спектральных составляющих |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4933973A (en) | Apparatus and methods for the selective addition of noise to templates employed in automatic speech recognition systems | |
| US5617508A (en) | Speech detection device for the detection of speech end points based on variance of frequency band limited energy | |
| US5579431A (en) | Speech detection in presence of noise by determining variance over time of frequency band limited energy | |
| US8326610B2 (en) | Producing phonitos based on feature vectors | |
| JPH06332492A (ja) | 音声検出方法および検出装置 | |
| JPS60200300A (ja) | 音声の始端・終端検出装置 | |
| RU2174714C2 (ru) | Способ выделения основного тона | |
| Sarma et al. | Consonant-vowel unit recognition using dominant aperiodic and transition region detection | |
| JPH0449952B2 (ja) | ||
| JPH0950288A (ja) | 音声認識装置及び音声認識方法 | |
| JP2564821B2 (ja) | 音声判定検出装置 | |
| JP3106543B2 (ja) | 音声信号処理装置 | |
| GB2216320A (en) | Selective addition of noise to templates employed in automatic speech recognition systems | |
| JP2000099099A (ja) | データ再生装置 | |
| Burileanu et al. | An adaptive and fast speech detection algorithm | |
| WO2009055718A1 (en) | Producing phonitos based on feature vectors | |
| JPS60129796A (ja) | 音声入力装置 | |
| JP2737109B2 (ja) | 音声区間検出方式 | |
| JPH04115299A (ja) | 音声有音無音判定方法および装置 | |
| Raj et al. | Modification to correct distortions in stops of dysarthrie speech using TMS320C6713 DSK | |
| JP3125928B2 (ja) | 音声認識装置 | |
| KR100345402B1 (ko) | 피치 정보를 이용한 실시간 음성 검출 장치 및 그 방법 | |
| JP3049711B2 (ja) | 音声処理装置 | |
| JPS6131478B2 (ja) | ||
| JPH04230798A (ja) | 雑音予測装置 |