| Item type |
SIG Technical Reports(1) |
| 公開日 |
2020-05-30 |
| タイトル |
|
|
タイトル |
ステレオ分散録音された対話音声に対するDNNを用いた発話区間検出 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Deep Neural Network Based Voice Activity Detection for Dialog Speech Recorded by Stereo Distributed Microphones |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
一般発表 |
| 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 |
|
|
|
東京都立大学 |
| 著者所属 |
|
|
|
東京都立大学 |
| 著者所属 |
|
|
|
東京都立大学 |
| 著者所属 |
|
|
|
東京工科大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
浜松医科大学 |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo metropolitan university |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo metropolitan university |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo metropolitan university |
| 著者所属(英) |
|
|
|
en |
|
|
Tokyo university of technology |
| 著者所属(英) |
|
|
|
en |
|
|
The university of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
The university of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
The university of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
Hamamatsu university school of medicine |
| 著者名 |
河内, 秀人
若林, 佑幸
小野, 順貴
越智, 景子
大和田, 啓峰
児島, 正樹
嵯峨山, 茂樹
山末, 英典
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本研究では，自閉スペクトラム症の診断支援を目指し，自閉スペクトラム症の症状をもつ被験者の音声分析，特に韻律特徴量，対話特徴量の自動抽出を行うために，対話音声データから発話区間を検出する．実施者と被験者両方の襟元に設置した分散マイクで録音したステレオ音声データから，短時間フーリエ変換を用いて，実施者と被験者それぞれのスペクトログラムを音響特徴量として抽出し，ニューラルネットワークを用いて，発話区間を検出する手法を提案する．客観評価実験を行い，音声信号のパワーに対する閾値処理を用いたベースライン手法よりも正答率が高いことを示す． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
In this study, aiming to assist the diagnosis of autism spectrum disorders (ASD), we report the voice activity detection from dialogue speech data to analyze the speech of participants with ASD, in particular, to automatically extract prosodic and dialog features. We collected the dialog speech of an administrator and a participant that was obtained as a stereo recording with wireless lavalier microphones attached to a collar or other clothing of each speaker. We propose a method of voice activity detection by using both speakers' spectral features and neural network. An objective evaluation showed that the proposed method achieved higher accuracy than a power-thresholding based baseline method. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10442647 |
| 書誌情報 |
研究報告音声言語情報処理（SLP）
巻 2020-SLP-132,
号 30,
p. 1-4,
発行日 2020-05-30
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8663 |
| 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 |
IPSJ-SLP20132030.pdf (14.4 MB)
