東芝開發(fā)出語音區(qū)分技術(shù),可快速區(qū)分10余人的聲
點(diǎn)擊次數(shù):
10067??更新時(shí)間:2014-09-03??【
打印此頁】??【
關(guān)閉】
東芝開發(fā)出了可用于會議記錄等的語音區(qū)分軟件技術(shù)。該軟件技術(shù)應(yīng)用于開會等場合時(shí),可以準(zhǔn)確區(qū)分出10余人的聲音。軟件可在筆記本電腦及平板終端等移動(dòng)產(chǎn)品上運(yùn)行,只要有普通的立體聲麥克風(fēng)就可以使用。該技術(shù)將在2014年9月3~5日于日本札幌市舉行的日本音響學(xué)會2014年秋季研究發(fā)布會上發(fā)布。
此次開發(fā)的新技術(shù)結(jié)合“輸入聲音的特點(diǎn)”和“說話人的方位信息”來區(qū)分聲音。利用聲音特點(diǎn)區(qū)分聲音時(shí),如果說話的人數(shù)增多,聲音的特點(diǎn)會隨之增多,難以區(qū)別。東芝為解決該問題設(shè)計(jì)的方法是結(jié)合說話人的方位信息。就是根據(jù)多個(gè)麥克風(fēng)所錄音的相位差來推斷說話人所在的方位。根據(jù)這一信息來提高分辨的準(zhǔn)確度。
對此,存在的問題是需要特殊指向性的麥克風(fēng);推斷方位的處理量大、計(jì)算成本高等。另外,由于難以區(qū)分位于同一方位的不同說話人,有時(shí)也會影響分辨性能。
為此,東芝此次開發(fā)出了使用普通立體聲麥克風(fēng)的快速且準(zhǔn)確的方位推斷算法和不影響分辨性能的組合算法。比如,使用配備Core i7(最大工作頻率為2.7GHz)CPU和4GB主存的個(gè)人電腦,普通會議(參與者為10人左右)在錄音結(jié)束后5秒左右就能完成分辨處理。分辨成功率(能否準(zhǔn)確區(qū)分說話人聲音)方面,原方法為50%左右,而新技術(shù)達(dá)到了70%以上。
新技術(shù)計(jì)劃在2014年度內(nèi)完成。將嵌入到會議記錄輔助軟件等產(chǎn)品中。新技術(shù)不含語音轉(zhuǎn)換(如將內(nèi)容做成文字?jǐn)?shù)據(jù))功能,所以有可能與該公司的語音識別技術(shù)配套提供。
(元器件交易網(wǎng))