بازشناسی گوینده در فضای حالت نسبی ساخته شده از گویندگان مرجع
محل انتشار: پانزدهیمن کنفرانس مهندسی برق ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,886
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE15_131
تاریخ نمایه سازی: 17 بهمن 1385
چکیده مقاله:
ویژگیهای که از دنباله گفتار یک گوینده قابل استخراج هستند را می توان به دو دسته تفکیک کرد: ویژگی های مطلق و ویژگی های نسبی، ویژگی های مطلق که در اکثر سیستمهای بازشناسی گوینده مورد استفاده قرار می گیرند، ویژگی های هستند که به صورت مستقل از گفتار یک گوینده استخراج می شوند و به هیچ گوینده دیگری وابسته نیستند. ویژگی های نسبی ویژگی هایی هستند که نسبت به تعدادی گوینده مرجع محاسبه و استخراج می شوند. در این مقاله روشی برای استخراج ویژگی های نسبی برای استفاده در یک سیستم بازشناسی گوینده ارائه شده است . دراینروش ابتدا فضای نسبی با استفاده از ویژگی های گفتار تعدادی گوینده مرجع ساخته می شود. سپس در فاز آموزش گویندگن سیستم در این فضا ثبت نام میشوند و در فاز آزمایش دنباله گفتار آزمایشی در فضای نسبی تعیین محل شده و نسبت به تایید یا عدم تایید هویت گوینده آن اقدام می گردد. نتایج بدست آمده نشان از برتری این روش نسبت به روشهای متداول بازشناسی گوینده در فضای مطلق دارد. با استفاده از 10 ثانیه داده آموزشی و در حالتی که مدل مخلوط گاوسی در فضای مطلق دارای خطای 1/51% برای تصدیق هویت گوینده بود بود این روش به خطای 0/55% درصد دست یافته است. همچنین استفاده از یکروش هنجار سازی مناسب در این فضا توانسته است این خطا را تا 0/8% کاهش دهد.
کلیدواژه ها:
نویسندگان
علی صادقی نایینی
آزمایشگاه سیستمهای هوشمند صوتی و گفتاری، دانشکده مهندسی کامپیوتر و ف
محمدمهدی همایونپور
آزمایشگاه سیستمهای هوشمند صوتی و گفتاری، دانشکده مهندسی کامپیوتر و ف
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :