权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

音声対話システムにおける非言語音声情報の検出と音声認識の高精度化

口语对话系统中非语言语音信息的检测和语音识别的高精度

基本信息

批准号：
16700195
负责人：
高橋伸弥
金额：
$ 1.66万
依托单位：
Fukuoka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2006
项目状态：
已结题

项目摘要

本研究は、音声対話システムにおける音声認識精度の高精度化と非言語音声情報の積極的な利用を目的として、音声発話中から非言語音を検出する方法について検討したものである。本年度は、昨年度までに検討した咳検出機構を実際の対話システムへと応用するための対話ロボットのプロトタイプ作成を行った。このプロトタイプでは2つのマイクから入力された音の時間差から、到来方向を推定し、さらに画像処理による話者の顔検出を併用することで話者方向の推定をし、その方向に指向性マイクを向けることで音声認識精度の高精度化をはかるというものである。この際、雑音や物音などの音と咳やくしゃみなどの音を識別することができれば、自然な対話システムが実現できる。また、非言語音を擬似音素系列として近似的に表現するモデルを構築する際に、クラスタリングの精度がモデルの性能を大きく左右することから、クラスタリング手法の1つであるスペクトラルクラスタリングについての検討を行った。スペクトラルクラスタリングは、対象データの類似度行列に対するラプラス行列を固有値分解して得られた固有ベクトルに基づき、データを分類する方法である。この方法を用いて、擬音語表現や記号等が含まれたWeb文書の分類実験を行い、従来手法の1つである最大距離クラスタリングと比較して、精度よくクラスタリングできることを確認した。さらに本手法を昨年度までに収集した擬似音素系列に対して適用し、咳モデルの構築を行つた。

This study aims to improve the accuracy of sound recognition and the positive utilization of non-speech sound information in sound transmission and non-speech sound detection. This year's annual review of the organization's implementation of the report on the implementation of the report on the implementation of the report The time difference of the incoming sound, the estimation of the incoming direction, the estimation of the outgoing sound of the speaker, the estimation of the direction of the speaker, the directivity of the speaker, and the improvement of the accuracy of the sound recognition. This is the first time that a voice, a sound, a sound. The accuracy of non-speech sound analog phoneme series and its approximate performance are discussed in detail when constructing the series. The method for classifying the class structure according to the similarity of the class structure according to the intrinsic value decomposition and the intrinsic class structure according to the similarity of the class structure according to the intrinsic value decomposition and the intrinsic value decomposition according to the similarity of the class structure according to the intrinsic value decomposition. This method includes the classification of Web documents, the comparison of methods, and the confirmation of accuracy. This technique is currently being used to collect and construct analog phonemes.