JPH04369695A - 音声判別装置 - Google Patents
音声判別装置Info
- Publication number
- JPH04369695A JPH04369695A JP3147154A JP14715491A JPH04369695A JP H04369695 A JPH04369695 A JP H04369695A JP 3147154 A JP3147154 A JP 3147154A JP 14715491 A JP14715491 A JP 14715491A JP H04369695 A JPH04369695 A JP H04369695A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- frame
- speech
- input signal
- feature quantities
- 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
【０００１】
【産業上の利用分野】本発明は、音声認識装置の前処理
等で使われる、入力信号が音声であるかそれ以外の音で
あるかを判定する音声判別装置に関する。
等で使われる、入力信号が音声であるかそれ以外の音で
あるかを判定する音声判別装置に関する。
【０００２】
【従来の技術】音声認識等の音声処理を行う装置では、
音声以外の信号が入力され誤って音声と判断されると誤
認識を生じる。そこで、入力された信号が正確に音声で
あるかどうかを判別できる音声判別装置が必要とされる
。
音声以外の信号が入力され誤って音声と判断されると誤
認識を生じる。そこで、入力された信号が正確に音声で
あるかどうかを判別できる音声判別装置が必要とされる
。
【０００３】従来の音声判別装置では、処理の簡素化の
ための入力信号のパワー値がしきい値よりも大きい部分
を音声と判断する方法が一般的に行われる。しかし実環
境で使用することを考えると、音声以外のパワーの大き
な様々な音（人間の発する咳、舌打ち等も含めて）が入
力される可能性があり、パワー情報だけでな音声の判別
はできない。
ための入力信号のパワー値がしきい値よりも大きい部分
を音声と判断する方法が一般的に行われる。しかし実環
境で使用することを考えると、音声以外のパワーの大き
な様々な音（人間の発する咳、舌打ち等も含めて）が入
力される可能性があり、パワー情報だけでな音声の判別
はできない。
【０００４】そこで、パワー以外の複数の音声の特徴量
を用いて入力信号の音声性を判定する方法は幾つか提案
されている。例えば、昭和６３年１０月音響学会全国大
会講演論文集２−３−３（実環境下における音声／非音
声の分類）による方法がある。これは、入力信号のパワ
ーの大きな部分について母音の存在を検出することによ
り音声を判別する。そのためにまず、一定時間ごとの周
期性の有無、ピッチ周波数の範囲、最適線形予測次数の
範囲、５母音との類似度を考慮しすべての条件が母音と
しての性質を満たすときに母音であると判定する。さら
にパワーの大きな部分の１つの塊について音声と判定さ
れたフレームの割合、ピッチ変化の滑らかさ等を考慮し
て音声かどうかを判定する。
を用いて入力信号の音声性を判定する方法は幾つか提案
されている。例えば、昭和６３年１０月音響学会全国大
会講演論文集２−３−３（実環境下における音声／非音
声の分類）による方法がある。これは、入力信号のパワ
ーの大きな部分について母音の存在を検出することによ
り音声を判別する。そのためにまず、一定時間ごとの周
期性の有無、ピッチ周波数の範囲、最適線形予測次数の
範囲、５母音との類似度を考慮しすべての条件が母音と
しての性質を満たすときに母音であると判定する。さら
にパワーの大きな部分の１つの塊について音声と判定さ
れたフレームの割合、ピッチ変化の滑らかさ等を考慮し
て音声かどうかを判定する。
【０００５】
【発明が解決しようとする課題】しかしながら上記の音
声判別装置では、各特徴量について音声かそれ以外かを
区別するしきい値や判定のための規則（ルール）を一義
的に設定しなければならない。しかし各特徴量の分布は
音声、それ以外の音で互いに重なりあっており、最適な
値を設定するのに試行錯誤の実験を繰り返したり、さら
に別の特徴量を増やす等の工夫をしなくてはならず、な
かなか思うような性能を得るのが難しいという課題を有
している。
声判別装置では、各特徴量について音声かそれ以外かを
区別するしきい値や判定のための規則（ルール）を一義
的に設定しなければならない。しかし各特徴量の分布は
音声、それ以外の音で互いに重なりあっており、最適な
値を設定するのに試行錯誤の実験を繰り返したり、さら
に別の特徴量を増やす等の工夫をしなくてはならず、な
かなか思うような性能を得るのが難しいという課題を有
している。
【０００６】本発明は上記課題を解決するもので、音声
判別のための規則を自動的に作成し、簡単な構成で音声
の判別が可能な音声判別装置を提供することを目的とす
る。
判別のための規則を自動的に作成し、簡単な構成で音声
の判別が可能な音声判別装置を提供することを目的とす
る。
【０００７】
【課題を解決するための手段】本発明は上記目的を達成
するために母音性を検出することを主眼として、入力信
号の一定時間ごとの対数パワー、１次の自己相関係数、
１次の線形予測係数、零交差数等の複数の音声の特徴量
を抽出する特徴抽出部と、多数の母音データおよび非音
声データの上記各特徴量を入力とし、音声かそれ以外か
を２値の出力値として与えて、学習により結合度合いを
決定した階層型のニューラルネットワークを用い、任意
の入力に対する各特徴量をフレームごとにニューラルネ
ットワークに入力しその出力値により音声かどうかを判
定するフレーム判定部と、パワーの一定レベル以上の区
間について、音声と判定されたフレームの存在比率によ
りその区間が音声か否かを判定する最終判定部とを備え
たものである。
するために母音性を検出することを主眼として、入力信
号の一定時間ごとの対数パワー、１次の自己相関係数、
１次の線形予測係数、零交差数等の複数の音声の特徴量
を抽出する特徴抽出部と、多数の母音データおよび非音
声データの上記各特徴量を入力とし、音声かそれ以外か
を２値の出力値として与えて、学習により結合度合いを
決定した階層型のニューラルネットワークを用い、任意
の入力に対する各特徴量をフレームごとにニューラルネ
ットワークに入力しその出力値により音声かどうかを判
定するフレーム判定部と、パワーの一定レベル以上の区
間について、音声と判定されたフレームの存在比率によ
りその区間が音声か否かを判定する最終判定部とを備え
たものである。
【０００８】
【作用】本発明は上記した構成により、あらかじめ多数
の音声データからの各特徴量を抽出しこれを入力信号と
して音声か否かを学習させニューラルネットワークの結
合度合を定めておき、これを用いて一定時間ごとの音声
の判別を行わせているので、信頼性の高い多数のデータ
の特徴量を集め学習させるだけでよく、判別のための規
則作成、しきい値の最適値の設定等の処理の必要なく、
音声，非音声が判別できる。
の音声データからの各特徴量を抽出しこれを入力信号と
して音声か否かを学習させニューラルネットワークの結
合度合を定めておき、これを用いて一定時間ごとの音声
の判別を行わせているので、信頼性の高い多数のデータ
の特徴量を集め学習させるだけでよく、判別のための規
則作成、しきい値の最適値の設定等の処理の必要なく、
音声，非音声が判別できる。
【０００９】
【実施例】以下本発明の一実施例について説明する。図
１は本発明の一実施例の全体構成を示すブロック図であ
る。図１において１は音声判別のための複数の特徴量を
抽出する特徴抽出部で、１フレームごとの対数パワーを
計算するパワー計算部１１と、１フレームごとの１次の
線形予測係数を算出する予測係数算出部１２と、１フレ
ームごとの１次の自己相関係数を算出する相関係数算出
部１３と、１フレームごとの波形の零交差回数を計算す
る零交差数計算部１４とから構成される。これらの特徴
量は入力信号の有声性（母音性）を検出するために用い
られる。パワーは有声音では当然のことながら大きな値
が得られる。１次の線形予測係数は、スペクトルのゆっ
くりした変化成分を表す量であり有声音では絶対値が大
きく表れる。
１は本発明の一実施例の全体構成を示すブロック図であ
る。図１において１は音声判別のための複数の特徴量を
抽出する特徴抽出部で、１フレームごとの対数パワーを
計算するパワー計算部１１と、１フレームごとの１次の
線形予測係数を算出する予測係数算出部１２と、１フレ
ームごとの１次の自己相関係数を算出する相関係数算出
部１３と、１フレームごとの波形の零交差回数を計算す
る零交差数計算部１４とから構成される。これらの特徴
量は入力信号の有声性（母音性）を検出するために用い
られる。パワーは有声音では当然のことながら大きな値
が得られる。１次の線形予測係数は、スペクトルのゆっ
くりした変化成分を表す量であり有声音では絶対値が大
きく表れる。
【００１０】なお１次の線形予測係数のかわりに同様の
傾向を示す１次の偏自己相関係数を用いてもよい。１次
の自己相関係数はサンプル値間の相関の強い有声音では
１に近い値が得られ、ランダム性の強い場合は０に近い
値となる。零交差数はエネルギー集中周波数域の違いが
反映される特徴量で、有声音では小さい値になる。２は
特徴抽出部１から出力される特徴量を入力として音声か
非音声かを判定するため、あらかじめ学習により構成を
定めたニューラルネットワークである。３はニューラル
ネットワーク２の出力からパワーの大きな部分について
最終的に音声か否かの判定を下す判定部である。
傾向を示す１次の偏自己相関係数を用いてもよい。１次
の自己相関係数はサンプル値間の相関の強い有声音では
１に近い値が得られ、ランダム性の強い場合は０に近い
値となる。零交差数はエネルギー集中周波数域の違いが
反映される特徴量で、有声音では小さい値になる。２は
特徴抽出部１から出力される特徴量を入力として音声か
非音声かを判定するため、あらかじめ学習により構成を
定めたニューラルネットワークである。３はニューラル
ネットワーク２の出力からパワーの大きな部分について
最終的に音声か否かの判定を下す判定部である。
【００１１】図２はニューラルネットワーク２の具体的
な構成例を示すブロック図である。ニューラルネットワ
ーク２は、特徴抽出部１からの各特徴量をそれぞれ入力
とする４個のユニットからなる入力層２１と、入力層２
１の各ユニットに接続され各ユニットからの出力の信号
処理を行う中間層２２、中間層２２の各ユニットからの
出力の信号処理を行い音声，非音声の判定結果を出力す
る出力層２３とからなり、多層のネットワークとして構
成される。
な構成例を示すブロック図である。ニューラルネットワ
ーク２は、特徴抽出部１からの各特徴量をそれぞれ入力
とする４個のユニットからなる入力層２１と、入力層２
１の各ユニットに接続され各ユニットからの出力の信号
処理を行う中間層２２、中間層２２の各ユニットからの
出力の信号処理を行い音声，非音声の判定結果を出力す
る出力層２３とからなり、多層のネットワークとして構
成される。
【００１２】以下、本発明の一実施例について図面を参
照しながら説明する。音響信号がマイクロホン等を通し
て入力されると、特徴抽出部１でまず４つの特徴量が抽
出される。パワー計算部１１では、一定時間ごとのパワ
ー値が例えば（数１）で算出される。一定の時間間隔は
、ここでは例えばサンプリング周波数を１０ＫＨｚとし
て、２００点（２０ｍｓｅｃ．）とし、この時間単位を
フレームと呼ぶ。
照しながら説明する。音響信号がマイクロホン等を通し
て入力されると、特徴抽出部１でまず４つの特徴量が抽
出される。パワー計算部１１では、一定時間ごとのパワ
ー値が例えば（数１）で算出される。一定の時間間隔は
、ここでは例えばサンプリング周波数を１０ＫＨｚとし
て、２００点（２０ｍｓｅｃ．）とし、この時間単位を
フレームと呼ぶ。
【００１３】
【数１】
【００１４】ここで、Ｐｉはフレームｉでのパワー値、
ｓｋはフレームｉ内の入力信号のサンプル値を表す。こ
のパワー値は発声条件の違いによるパワーの違いを統一
して扱えるように、パワーの大きな区間内の最大値，最
小値間を例えば０から１までの値に正規化して用いる。 予測係数算出部１２では、フレームごとに線形予測分析
を行いそのときの１次の係数を抽出する。相関係数算出
部１３では、フレームｉでの１次の自己相関係数Ａｉが
次式に示す形が求められ、さらに０次の相関係数で正規
化される。
ｓｋはフレームｉ内の入力信号のサンプル値を表す。こ
のパワー値は発声条件の違いによるパワーの違いを統一
して扱えるように、パワーの大きな区間内の最大値，最
小値間を例えば０から１までの値に正規化して用いる。 予測係数算出部１２では、フレームごとに線形予測分析
を行いそのときの１次の係数を抽出する。相関係数算出
部１３では、フレームｉでの１次の自己相関係数Ａｉが
次式に示す形が求められ、さらに０次の相関係数で正規
化される。
【００１５】
【数２】
【００１６】零交差計算部１４では、１フレーム内の入
力信号の零交差の回数を検出する。なお、この零交差回
数は振幅値０を波形が横切る回数として定義されるが、
定めた一定レベルを横切る回数を用いてもよい。
力信号の零交差の回数を検出する。なお、この零交差回
数は振幅値０を波形が横切る回数として定義されるが、
定めた一定レベルを横切る回数を用いてもよい。
【００１７】これらの得られた特徴量は、ニューラルネ
ットワーク２の入力層２１にそれぞれ入力される。この
ニューラルネットワーク２はあらかじめ多数の音声デー
タの母音部分，非音声データについて上記特徴抽出部１
で得られる特徴量を抽出しておき、これらの特徴量を入
力、音声か非音声かを教師データとして学習アルゴリズ
ムにバックプロパゲーション法（Ｐａｒａｌｌｅｌ Ｄ
ｉｓｔｒｉｂｕｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏｌ
．１，ＭＩＴ Ｐｒｅｓｓ，１９８６を参照）を適用し
てニューラルネットワークの結合係数を定めておく。学
習の際に使用する非音声データとしては、例えば本実施
例の音声判別装置が会議室等で利用される場合は、机を
叩く音、紙の擦れる音、コップの音、マイクに物が触れ
る音等予想される雑音データを用いればよい。このよう
にして結合係数を定めたニューラルネットワーク２にフ
レームごとに算出された各特徴量を入力することによっ
て、有声音であれば出力層２３の音声に対応するユニッ
トの出力値が大きくなり、雑音であれば非音声に対応す
るユニットの出力値が大きくなる。この出力層２３の出
力値から音声非音声の判別結果を２値信号で（例えば音
声は１、非音声は０）判定部３へ送出する。
ットワーク２の入力層２１にそれぞれ入力される。この
ニューラルネットワーク２はあらかじめ多数の音声デー
タの母音部分，非音声データについて上記特徴抽出部１
で得られる特徴量を抽出しておき、これらの特徴量を入
力、音声か非音声かを教師データとして学習アルゴリズ
ムにバックプロパゲーション法（Ｐａｒａｌｌｅｌ Ｄ
ｉｓｔｒｉｂｕｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏｌ
．１，ＭＩＴ Ｐｒｅｓｓ，１９８６を参照）を適用し
てニューラルネットワークの結合係数を定めておく。学
習の際に使用する非音声データとしては、例えば本実施
例の音声判別装置が会議室等で利用される場合は、机を
叩く音、紙の擦れる音、コップの音、マイクに物が触れ
る音等予想される雑音データを用いればよい。このよう
にして結合係数を定めたニューラルネットワーク２にフ
レームごとに算出された各特徴量を入力することによっ
て、有声音であれば出力層２３の音声に対応するユニッ
トの出力値が大きくなり、雑音であれば非音声に対応す
るユニットの出力値が大きくなる。この出力層２３の出
力値から音声非音声の判別結果を２値信号で（例えば音
声は１、非音声は０）判定部３へ送出する。
【００１８】判定部３では、まずパワー計算部１１で得
られたパワー値系列からあらかじめ定めたパワーしきい
値を決められた長さ以上超える区間を音声候補区間とし
て検出する。このときの音声候補区間のフレーム長をＣ
とする。この音声候補区間に対して、各フレームのうち
ニューラルネットワーク２から得られた音声非音声の判
別結果で音声と判定されたフレームの個数Ｃ１を計数し
、音声候補区間に占める音声と判定された区間のフレー
ム数の割合がある一定値Ｍ以上、すなわち（数３）の条
件を満足するときにこの音声候補区間は音声であると判
定する。
られたパワー値系列からあらかじめ定めたパワーしきい
値を決められた長さ以上超える区間を音声候補区間とし
て検出する。このときの音声候補区間のフレーム長をＣ
とする。この音声候補区間に対して、各フレームのうち
ニューラルネットワーク２から得られた音声非音声の判
別結果で音声と判定されたフレームの個数Ｃ１を計数し
、音声候補区間に占める音声と判定された区間のフレー
ム数の割合がある一定値Ｍ以上、すなわち（数３）の条
件を満足するときにこの音声候補区間は音声であると判
定する。
【００１９】
【数３】
【００２０】以上のように本発明の実施例の音声判別装
置によれば、音声の複数の特徴量を抽出する特徴抽出部
１と、これらの特徴量によりあらかじめ音声非音声をフ
レーム単位で判定するように学習させたニュラルネット
ワーク２と、パワーの大きな区間について音声と判定さ
れたフレーム数が一定の割合以上存在するときに音声と
判定する判定部３を設けてあるので、従来の複数の特徴
量から音声を判別するための規則、判定条件を設定する
必要がなく、簡単な構成で様々な音響信号を正確に判定
することができる音声判別装置を提供することができる
。
置によれば、音声の複数の特徴量を抽出する特徴抽出部
１と、これらの特徴量によりあらかじめ音声非音声をフ
レーム単位で判定するように学習させたニュラルネット
ワーク２と、パワーの大きな区間について音声と判定さ
れたフレーム数が一定の割合以上存在するときに音声と
判定する判定部３を設けてあるので、従来の複数の特徴
量から音声を判別するための規則、判定条件を設定する
必要がなく、簡単な構成で様々な音響信号を正確に判定
することができる音声判別装置を提供することができる
。
【００２１】なお、本実施例ではニューラルネットワー
ク２に入力する特徴量としてパワー、１次の線形予測係
数、１次の自己相関係数、零交差数を用いたが、これら
のうちの幾つかの特徴量の組み合わせで対応しても差し
支えない。またここでは中間層が１層の３層のニューラ
ルネットワークを用いたが、中間層が多層のものを用い
ても差し支えない。
ク２に入力する特徴量としてパワー、１次の線形予測係
数、１次の自己相関係数、零交差数を用いたが、これら
のうちの幾つかの特徴量の組み合わせで対応しても差し
支えない。またここでは中間層が１層の３層のニューラ
ルネットワークを用いたが、中間層が多層のものを用い
ても差し支えない。
【００２２】
【発明の効果】以上の実施例から明らかなように本発明
によれば、音声を特徴付ける複数の特徴量を抽出し、多
数の母音と非音声データにおける特徴量からあらかじめ
学習により結合係数を定めたニューラルネットワークを
用いフレームごとに音声か非音声かの判定を行い、パワ
ーの大きな部分を音声区間候補として音声と判定された
フレームの存在比率により音声か非音声か判定するよう
に構成してあるので、複数の特徴量から音声を判定する
ための規則、判定条件等を試行錯誤的に決定する操作が
必要でなくなり、しかも簡単な構成で入力信号が音声か
それ以外かを正確に判定することができる音声判別装置
を提供することができる。
によれば、音声を特徴付ける複数の特徴量を抽出し、多
数の母音と非音声データにおける特徴量からあらかじめ
学習により結合係数を定めたニューラルネットワークを
用いフレームごとに音声か非音声かの判定を行い、パワ
ーの大きな部分を音声区間候補として音声と判定された
フレームの存在比率により音声か非音声か判定するよう
に構成してあるので、複数の特徴量から音声を判定する
ための規則、判定条件等を試行錯誤的に決定する操作が
必要でなくなり、しかも簡単な構成で入力信号が音声か
それ以外かを正確に判定することができる音声判別装置
を提供することができる。
【図１】本発明の一実施例の音声判別装置の構成を示す
ブロック図
ブロック図
【図２】同装置におけるニューラルネットワークの構成
例を示すブロック図
例を示すブロック図
１ 特徴抽出部
１１ パワー算出部
１２ 予測係数算出部
１３ 相関係数算出部
１４ 零交差算出部
２ ニューラルネットワーク
２１ 入力層
２２ 中間層
２３ 出力層
３ 判定部
Claims (2)
- 【請求項１】 入力信号から一定時間ごとに音声を特
徴付ける複数の特徴量を抽出する特徴抽出部と、あらか
じめ多数の音響データについて求めた前記複数の特徴量
を入力データ、そのときの音声かそれ以外かを２値の出
力値として与え学習により結合係数を決定した階層型の
ニューラルネットワークを用い、フレーム単位で入力信
号が音声かそれ以外かを判定するフレーム判定部と、パ
ワーの一定レベル以上の入力信号の塊について前記フレ
ーム判定部により音声と判定されたフレームの個数の割
合がしきい値以上のときにその塊を音声と判定する最終
判定部とを備えた音声判別装置。 - 【請求項２】 特徴抽出部は、入力信号の前記特徴量
であるフレームごとの対数パワー、フレームごとの１次
の線形予測係数または１次の偏自己相関係数、フレーム
ごとの１次の自己相関係数、フレームごとの零交差数の
うち少なくとも１つ以上を算出する請求項１記載の音声
判別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3147154A JPH04369695A (ja) | 1991-06-19 | 1991-06-19 | 音声判別装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3147154A JPH04369695A (ja) | 1991-06-19 | 1991-06-19 | 音声判別装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04369695A true JPH04369695A (ja) | 1992-12-22 |
Family
ID=15423810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3147154A Pending JPH04369695A (ja) | 1991-06-19 | 1991-06-19 | 音声判別装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04369695A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008257048A (ja) * | 2007-04-06 | 2008-10-23 | Yamaha Corp | 音処理装置およびプログラム |
| JP2009020460A (ja) * | 2007-07-13 | 2009-01-29 | Yamaha Corp | 音声処理装置およびプログラム |
| JP2017010166A (ja) * | 2015-06-18 | 2017-01-12 | Tdk株式会社 | 会話検出装置及び会話検出方法 |
| JP2019028446A (ja) * | 2018-06-06 | 2019-02-21 | ヤフー株式会社 | プログラム |
| JP2020064253A (ja) * | 2018-10-19 | 2020-04-23 | ヤフー株式会社 | 学習装置、検出装置、学習方法、学習プログラム、検出方法、および検出プログラム |
-
1991
- 1991-06-19 JP JP3147154A patent/JPH04369695A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008257048A (ja) * | 2007-04-06 | 2008-10-23 | Yamaha Corp | 音処理装置およびプログラム |
| JP2009020460A (ja) * | 2007-07-13 | 2009-01-29 | Yamaha Corp | 音声処理装置およびプログラム |
| JP2017010166A (ja) * | 2015-06-18 | 2017-01-12 | Tdk株式会社 | 会話検出装置及び会話検出方法 |
| JP2019028446A (ja) * | 2018-06-06 | 2019-02-21 | ヤフー株式会社 | プログラム |
| JP2020064253A (ja) * | 2018-10-19 | 2020-04-23 | ヤフー株式会社 | 学習装置、検出装置、学習方法、学習プログラム、検出方法、および検出プログラム |
| JP2021121875A (ja) * | 2018-10-19 | 2021-08-26 | ヤフー株式会社 | 学習装置、検出装置、学習方法、学習プログラム、検出方法、および検出プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0625774B1 (en) | A method and an apparatus for speech detection | |
| KR101269296B1 (ko) | 모노포닉 오디오 신호로부터 오디오 소스를 분리하는 뉴럴네트워크 분류기 | |
| US20090076814A1 (en) | Apparatus and method for determining speech signal | |
| JPH0990974A (ja) | 信号処理方法 | |
| JPH0376472B2 (ja) | ||
| CN1897109B (zh) | 一种基于mfcc的单一音频信号识别方法 | |
| US5995924A (en) | Computer-based method and apparatus for classifying statement types based on intonation analysis | |
| Krijnders et al. | Sound event recognition through expectancy-based evaluation ofsignal-driven hypotheses | |
| Hasan et al. | Bengali speech emotion recognition: A hybrid approach using b-lstm | |
| Ghosal et al. | Automatic male-female voice discrimination | |
| Prabavathy et al. | An enhanced musical instrument classification using deep convolutional neural network | |
| CN119007711B (zh) | 一种基于深度学习的语音识别和人机交互系统及方法 | |
| Neocleous et al. | Filter-based approach for ornamentation detection and recognition in singing folk music | |
| Haubrick et al. | Robust audio sensing with multi-sound classification | |
| Mishra et al. | Speaker identification, differentiation and verification using deep learning for human machine interface | |
| JPH06110488A (ja) | 音声検出方法および音声検出装置 | |
| CN117198299A (zh) | 一种基于时域频域编码特征的语音欺骗检测方法 | |
| Priya et al. | Design of anti-stuttering device with silence ejection speech algorithm using Arduino | |
| Sharma et al. | Speech Diarization and ASR with GMM | |
| Wrigley et al. | Feature selection for the classification of crosstalk in multi-channel audio | |
| JPH0442299A (ja) | 音声区間検出装置 | |
| JPH1097269A (ja) | 音声検出装置及び方法 | |
| Ait Mait et al. | An Unsupervised Voice Activity Detection Using Time-Frequency Features | |
| Tao et al. | A fuzzy logic based speech extraction approach for e-learning content production | |
| KR20150084333A (ko) | 음의 간섭현상을 이용한 음정인식 및 이를 이용한 음계채보 방법 |