| 多模式语音端点检测 | |
| 刘鹏 ; 王作英 ; LIU Peng ; WANG Zuoying | |
| 2010-06-09 ; 2010-06-09 | |
| 关键词 | 语音识别 语音端点检测 多模式 speech recognition voice activity detection multimodal TN912.4 |
| 其他题名 | Multimodal voice activity detection |
| 中文摘要 | 在语音信号处理系统中,基于帧能量的语音端点检测(voiceactivitydetection,VAD)往往受到语音段能量不平稳及噪声的影响,为了提高语音端点检测的性能和鲁棒性,引入视觉信息。该文提出采用基于数据驱动的线性变换生成视觉特征,在提出一个基于统计的VAD一般模型的基础上构建两个单模式的VAD系统,通过两步式的融合方法,得到了多模式的VAD系统。实验表明:同时利用音频和视觉信息的多模式VAD比基于帧能量的听觉VAD在帧错误率上有55.0%的相对下降,在断句错误率上有98.5%的相对下降。这一结果说明多模式VAD方法基本可以避免断句错误,也能够显著改善帧检测性能,是一种相当有效的方法。; In speech recognition systems, the frame energy-based voice activity detection (VAD) method may be affected by interferance from background noise and non-stationary characteristics of the frame energy in the voice segment. This paper presents a model to improve the performance and robustness of VAD by introducing visual information. Data driven linear transformations are used for visual feature extraction with a general statistical VAD model and a two-stage fusion strategy in a multimodal VAD system. Experiments show a 55.0% reduction in the frame error rate and a 98.5% reduction in sentence breaking error rate with the multimodal VAD as compared to the frame energy-based audio VAD. The results show that multimodal method eliminates most sentence breaking errors, and improves frame detection performance.; 国家“八六三”高技术项目(2001AA114071) |
| 语种 | 中文 ; 中文 |
| 内容类型 | 期刊论文 |
| 源URL | [http://hdl.handle.net/123456789/54812]  |
| 专题 | 清华大学 |
| 推荐引用方式 GB/T 7714 | 刘鹏,王作英,LIU Peng,等. 多模式语音端点检测[J],2010, 2010. |
| APA | 刘鹏,王作英,LIU Peng,&WANG Zuoying.(2010).多模式语音端点检测.. |
| MLA | 刘鹏,et al."多模式语音端点检测".(2010). |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论