Сегментация и дифонное распознавание речевых сигналов
Ключевые слова:
сегментация речевого сигнала, дифон, DTW-распознаваниеАннотация
Статья посвящена описанию разработанной в Институте проблем искусственного интеллекта НАН и МОН Украины (Донецк) технологии распознавания речи, основанной на следующих основных этапах обработки: сегментация с использованием численного аналога полной вариации; создание дифонной базы; DTW-распознавание слов по эталонам, автоматически создаваемым из эталонов дифонов. Разработанная технология применима к распознаванию сверхбольших словарей, а также при разработке текстовых редакторов с голосовым вводом.Литература
Вишнякова О.А., Лавров Д.Н. Автоматическая сегментация речевого сигнала на базе дискретного вейвлет-преобразования // Математические структуры и моделирование. 2011, вып. 23. С. 43–48
Жиляков Е.Г., Белов С.П., Белов А.С., Фирсова А.А., Глушак А.В. Об эффективности различных подходов к сегментации речевых сигналов на основе обнаружения пауз // Научные ведомости Белгородского гос. ун-та. Серия История,…,Информатика, №7 (78), Выпуск14/1, 2010. С. 187-193
Кипяткова И.С., Карпов А.А. Эксперименты по распознаванию слитной русской речи с использованием сверхбольшого словаря // Труды СПИИРАН, Вып. 12, 2010. С. 63–74
Конев А.А. Модель и алгоритмы анализа и сегментации речевого сигнала: Кандидатская диссертация. Самара, 2007 г. 150 с.
Мещеряков Р.В., Понизов А.Г. Оценка качества слуха на основе мобильных вычислительных устройств // Труды СПИИРАН, Вып. 18, 2011. С. 93–107
Ручай А.Н. Модифицированный метод сегментации речевого сигнала на основе непрерывного вейвлет-преобразования // Доклады ТУСУРа,№ 2 (26), часть 1, декабрь 2012. С. 189-192
Утробин В.А., Гай В.Е. Алгоритм выделения вокализованных участков речевого сигнала // Вестник Нижегородского университета им. Н.И. Лобачевского, 2012, № 6 (1). С. 175–179
Цыплихин А.И. Анализ и автоматическая сегментация речевого сигнала: Кандидатская диссертация. Москва, 2006 г. 149 с.
Cherniz A., Torres M., Rufiner H., Esposito A. Multiresolution Analysis applied to Text-Independent Phone Segmentation // Journal of Physics: Conference Series. 2007. Vol. 90, 012083
Greibus M., Telksnys L. Rule Based Speech Signal Segmentation // Journal of telecommunications and information technology, 4/2010. P. 37-43
Heck M. Segmentation of telephone speech based on speech and non-speech models // Specom, 2013
Hosom, J. P. Automatic Phoneme Alignment Based on Acoustic-Phonetic Modeling // 2002 International Conference on Spoken Language Processing (ICSLP 2002), Boulder, Co., vol. I, Sep. 2002. P. 357-360
Petrushin V.A. Adaptive Algorithms for Pitch-synchronous Speech Signal Segmentation // SPECOM’2004: 9th Conference, 2004
Rasanen O.J. Speech Segmentation and Clustering Methods for a New Speech Recognition Architecture // Master’s thesis, Helsinki University of Technology, Laboratory of Acoustics and Audio Signal Processing, http://lib.tkk.fi/Dipl/2007/urn010123.pdf, 2007
Regine A.O. A new statistical approach for the automatic segmentation of continuous speech signals // Acoustics, Speech and Signal Processing, IEEE Transactions. (Volume:36 , Issue: 1 ), 1988. P. 29-40
Sarkar A., Sreenivas T.V. Automatic speech segmentation using average level crossing rate information // Proc. ICASSP'05. 2005. Vol. 1. P. 397–400
Шелепов В.Ю., Ниценко А.В. К проблеме распознавания слитной речи // Искусственный интеллект. № 4, 2012. C. 272-281
Шрюфер Е. Обробка сигналів. Київ: Либідь,1992. 295 с.
Шелепов В.Ю., Карабалаева М.Х., Ниценко А.В. Обнаружение и выделение звука [р] в речевом сигнале. // Искусственный интеллект. № 1, 2011. C. 168-174
Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев: Наук. думка, 1987. 262 с.
Дорохина Г.В. Анализ методов распознавания речевых команд на основе алгоритма DTW // Труды шестого междисциплинарного семинара «Анализ разговорной русской речи», АР3-2012, 27-28 августа 2012, Санкт-Петербург. С. 29-34
Зализняк А.А. Грамматический словарь русского языка. М.: Русский язык, 1977. 879 с.
Федоров Е.Е., Шелепов В.Ю. Защита речевых распознавателей от шума и посторонней речи // Искусственный интеллект. №3, 2001. С. 584-587
Федоров Е.Е., Шелепов В.Ю. Автоматическое определение начала и конца записи речи // Искусственный интеллект. №4, 2002. С. 295-298
Жиляков Е.Г., Белов С.П., Белов А.С., Фирсова А.А., Глушак А.В. Об эффективности различных подходов к сегментации речевых сигналов на основе обнаружения пауз // Научные ведомости Белгородского гос. ун-та. Серия История,…,Информатика, №7 (78), Выпуск14/1, 2010. С. 187-193
Кипяткова И.С., Карпов А.А. Эксперименты по распознаванию слитной русской речи с использованием сверхбольшого словаря // Труды СПИИРАН, Вып. 12, 2010. С. 63–74
Конев А.А. Модель и алгоритмы анализа и сегментации речевого сигнала: Кандидатская диссертация. Самара, 2007 г. 150 с.
Мещеряков Р.В., Понизов А.Г. Оценка качества слуха на основе мобильных вычислительных устройств // Труды СПИИРАН, Вып. 18, 2011. С. 93–107
Ручай А.Н. Модифицированный метод сегментации речевого сигнала на основе непрерывного вейвлет-преобразования // Доклады ТУСУРа,№ 2 (26), часть 1, декабрь 2012. С. 189-192
Утробин В.А., Гай В.Е. Алгоритм выделения вокализованных участков речевого сигнала // Вестник Нижегородского университета им. Н.И. Лобачевского, 2012, № 6 (1). С. 175–179
Цыплихин А.И. Анализ и автоматическая сегментация речевого сигнала: Кандидатская диссертация. Москва, 2006 г. 149 с.
Cherniz A., Torres M., Rufiner H., Esposito A. Multiresolution Analysis applied to Text-Independent Phone Segmentation // Journal of Physics: Conference Series. 2007. Vol. 90, 012083
Greibus M., Telksnys L. Rule Based Speech Signal Segmentation // Journal of telecommunications and information technology, 4/2010. P. 37-43
Heck M. Segmentation of telephone speech based on speech and non-speech models // Specom, 2013
Hosom, J. P. Automatic Phoneme Alignment Based on Acoustic-Phonetic Modeling // 2002 International Conference on Spoken Language Processing (ICSLP 2002), Boulder, Co., vol. I, Sep. 2002. P. 357-360
Petrushin V.A. Adaptive Algorithms for Pitch-synchronous Speech Signal Segmentation // SPECOM’2004: 9th Conference, 2004
Rasanen O.J. Speech Segmentation and Clustering Methods for a New Speech Recognition Architecture // Master’s thesis, Helsinki University of Technology, Laboratory of Acoustics and Audio Signal Processing, http://lib.tkk.fi/Dipl/2007/urn010123.pdf, 2007
Regine A.O. A new statistical approach for the automatic segmentation of continuous speech signals // Acoustics, Speech and Signal Processing, IEEE Transactions. (Volume:36 , Issue: 1 ), 1988. P. 29-40
Sarkar A., Sreenivas T.V. Automatic speech segmentation using average level crossing rate information // Proc. ICASSP'05. 2005. Vol. 1. P. 397–400
Шелепов В.Ю., Ниценко А.В. К проблеме распознавания слитной речи // Искусственный интеллект. № 4, 2012. C. 272-281
Шрюфер Е. Обробка сигналів. Київ: Либідь,1992. 295 с.
Шелепов В.Ю., Карабалаева М.Х., Ниценко А.В. Обнаружение и выделение звука [р] в речевом сигнале. // Искусственный интеллект. № 1, 2011. C. 168-174
Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев: Наук. думка, 1987. 262 с.
Дорохина Г.В. Анализ методов распознавания речевых команд на основе алгоритма DTW // Труды шестого междисциплинарного семинара «Анализ разговорной русской речи», АР3-2012, 27-28 августа 2012, Санкт-Петербург. С. 29-34
Зализняк А.А. Грамматический словарь русского языка. М.: Русский язык, 1977. 879 с.
Федоров Е.Е., Шелепов В.Ю. Защита речевых распознавателей от шума и посторонней речи // Искусственный интеллект. №3, 2001. С. 584-587
Федоров Е.Е., Шелепов В.Ю. Автоматическое определение начала и конца записи речи // Искусственный интеллект. №4, 2002. С. 295-298
Segmentation and diphone recognition of speech signals
Abstract
The paper is devoted to speech recognition technology developed in Artificial intelligence Institute (Donetsk, Ukraine). It is based on the following main stages: segmentation with the help of full variation digital analogue; diphone-database creation; DTW-recognition of words based on diphone templates. The technology could be used for large vocabulary speech recognition as well as for development of text editors with voice input.Опубликован
2014-04-02
Как цитировать
Бурибаева, А. К., Дорохина, Г. В., Ниценко, А. В., & Шелепов, В. Ю. (2014). Сегментация и дифонное распознавание речевых сигналов. Труды СПИИРАН, 8(31), 20-42. https://doi.org/10.15622/sp.31.2
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
