非同期スマートデバイスを用いた雑音に頑健な音声翻訳アプリケーションの検討

• Item type: SIG Technical Reports(1)
• 公開日: 2016-05-14
• タイトル: 非同期スマートデバイスを用いた雑音に頑健な音声翻訳アプリケーションの検討
• タイトル / 言語: en
• タイトル: Application of Noise-Robust Speech Translation Using Asynchronous Smart Devices
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 日立製作所研究開発グループ
• 著者所属: 日立製作所研究開発グループ
• 著者所属: 日立製作所研究開発グループ
• 著者所属: 日立製作所研究開発グループ
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd. Research and development group
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd. Research and development group
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd. Research and development group
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd. Research and development group
• 著者名: 高島, 遼一; 孫, 慶華; 住吉, 貴志; 戸上, 真人
• 著者名(英): Ryoichi, Takashima; Qinghua, Sun; Takashi, Sumiyoshi; Masahito, Togami
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，汎用スマートデバイスを用いた雑音に頑健な音声翻訳アプリケーションを検討する．提案する音声翻訳システムでは，二人のユーザがそれぞれスマートデバイスを持って対話を行う．各スマートデバイスで収録された音声は，雑音除去，音声認識，翻訳を行うサーバへ送信され，翻訳結果が返送される．雑音除去部においては，二個のスマートデバイスを擬似的なマイクロホンアレーとして活用することで，複数チャネルによる音源分離を行う．このとき，デバイス毎に録音開始時刻とサンプリングレートのミスマッチがあるため，相互相関関数による録音開始時刻の補正と，サンプリングレートのミスマッチに対して，位相差よりも頑健な音圧差を用いた音源分離方式を用いる．騒音レベル 70dB の雑音環境下において音声認識実験を実施した結果，雑音除去の無いシステムと比較して 21.2%の単語認識誤り率改善を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose an application of noise-robust speech translation for general purpose smart devices. In the proposed speech translation system, two users have a conversation with their own smart devices installing speech translation applications. The recorded speech signals are sent to a server performing speech signal processing, speech recognition and translation, and translation results are returned to users' smart devices. In the speech signal processing part, a virtual microphone array is constructed from the microphones on users' smart devices, and a microphone-array-based noise reduction is performed. Then, because each smart device has different beginning time of recording and different sampling rate, we apply a cross-correlation-based compensation of beginning time and a signal separation method based on the difference of sound energy that is robust against the mismatch of sampling rate. We carried out a speech recognition experiment using two smart devices at a noisy environment in which noise level is 70dB, and as a result, the noise reduction process improved the word error rate of a speech recognition system without noise reduction by 21.2%.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438388
• 書誌情報: 研究報告音楽情報科学（MUS）; 巻 2016-MUS-111, 号 54, p. 1-5, 発行日 2016-05-14
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8752
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会