Detail publikace
Noise-robust speech triage
Cipr Tomáš, Ing. (Phonexia)
Nelson Douglas J. (DOD)
Schwarz Petr, Ing., Ph.D. (UPGM FIT VUT)
Banowetz John (NRL)
Jerabek Ladislav (SRMA)
Je představena metoda, ve které jsou použity běžné řečové algoritmy bez jakýchkoli modifikací ke zlepšení jejich výkonu v extrémně hlučných prostředích. Bylo prokázáno, že u algoritmů s vlastním kanálem bylo úspěšné předškolení modelů identifikace více řečníků (SID) v mřížce úrovní signálu k šumu (SNR) a následné provedení SID pomocí příslušného modelu závislého na SNR. zmírnění hluku na všech úrovních SNR. V těchto testech bylo zjištěno, že výkon SID byl optimalizován, když SNR testovacích a tréninkových dat byla blízká nebo identická. V tomto současném úsilí bylo použito více i-vektorových algoritmů, které výrazně zlepšily jak propustnost zpracování, tak stejnou přesnost klasifikace chybovosti. Použitím identických přístupů ve stejném hlučném prostředí se významně zlepšil výkon SID, identifikace jazyka, identifikace pohlaví a diarizace. Kritickým faktorem při tomto vylepšení je detekce aktivity řeči (SAD), která spolehlivě funguje v extrémně hlučných prostředích, kde je samotná řeč sotva slyšitelná. K optimalizaci provozu SAD na všech úrovních SNR byly použity dva algoritmy. První maximalizovala pravděpodobnost detekce při nízkých úrovních (10 dB SNR
@ARTICLE{FITPUB11716, author = "L. Anthony Bartos and Tom\'{a}\v{s} Cipr and J. Douglas Nelson and Petr Schwarz and John Banowetz and Ladislav Jerabek", title = "Noise-robust speech triage", pages = "2313--2320", journal = "Journal of the Acoustical Society of America", volume = 143, number = 4, year = 2018, ISSN = "1520-8524", doi = "10.1121/1.5031029", language = "english", url = "https://www.fit.vut.cz/research/publication/11716" }