- •Современные речевые технологии
- •Распознавание речи (отдельная лекция)
- •Синтез речи по тексту (отдельная лекция)
- •Выделение ключевых слов в слитной речи
- •Области применения
- •Подходы к выделению ключевых слов:
- •Определение языка сообщений
- •Голосовая биометрия (Идентификация диктора)
- •Шумоочистка
- •Определение эмоционального и физического состояния человека по его голосу.
- •Разделение дикторов
- •Кодирование речи
- •Фоноскопическая экспертиза (видео).
Разделение дикторов
(Потребность в этой технологии возникает, если имеется звукозапись с несколькими дикторами, например, звукозапись конференции, и нужно автоматически выделить речь каждого оратора. Также разделение дикторов применяется у спецслужб, когда имеется запись телефонного разговора и нужно определить, кто конкретно что говорит)
Music Spotting
(Названные системы востребованы крупнейшими продюсерскими компаниями, которые хотят иметь достоверную информацию о количестве ротаций определенных песен, например, по радио. Для этого можно нанять штат людей, которые будут сидеть и днями слушать, но поскольку городов много, в них множество радиостанций, достоверную информацию получить нереально и к тому же это очень затратно. Гораздо эффективнее и дешевле с music spotting справляются специальные устройства).
Кодирование речи
– это технология компрессии цифровых аудио сигналов, содержащих речь. В кодировании речи применяется технологии обработки аудио сигнала наряду с алгоритмами компрессии данных. Основные приложения кодирования речи – мобильная и интернет телефония.
Кодирование речи отличается от прочих форм аудио кодирования, поскольку речь представляет собой намного более простой сигнал, чем большинство других аудио сигналов. Кроме того, в случае с речью в распоряжении исследователя имеется значительное количество статистической информации о свойствах речи. В результате, часть аудио-информации, релевантной для прочих форм аудио кодирования оказываются ненужными в случае кодирования речи. Наиболее важным критерием является сохранение разборчивости и милозвучности речи при ограниченном количестве передаваемых данных.
Основной задачей кодера является предельно возможное сжатие сигнала речи, представленного в цифровой форме, то есть предельно возможное устранение избыточности речевого сигнала при сохранении приемлемого качества передаваемой речи.
Компромисс между степенью сжатия и сохранения качества обычно отыскивается экспериментально, а проблема получения высокой степени сжатия без чрезмерного снижения качества составляет основную трудность при разработке кодера.
Сочетание кодера и декодера обычно называют кодеком (coder I decoder = codec).
Фоноскопическая экспертиза (видео).
В рамках фоноскопической экспертизы звукозаписей на разрешение экспертов могут ставится следующие вопросы:
Имеются ли на представленной фонограмме фрагменты с записью звучащей речи?
Каково дословное содержание разговора, зафиксированного на данной фонограмме (отдельных ее фрагментах)?
Какие сведения, характеризующие говорящего, можно получить по фонограмме его звучащей речи?
Мужская или женская звучащая речь записана на фонограмме?
Является записанная на фонограмме звучащая речь неподготовленной или подготовленной (т.е. заранее заученной и произнесенной наизусть или чтением)?
Сколько человек принимало участие в разговоре, записанном на представленной фонограмме?
Одним или разными лицами произнесена речь, записанная на представленных фонограммах?
Пригодна ли представленная на исследование фонограмма для идентификации говорящего по голосу и речи?
Принадлежат ли голос и речь, зафиксированные на фонограмме, гр. А.?
Произнесены ли зафиксированные на представленной фонограмме фрагменты речи гр. А., Б. или кем–то другим? Какие именно фрагменты произнесены А., какие Б.?
Является ли представленная фонограмма непрерывной записью?
Является данная фонограмма оригиналом или копией?
Какова природа звуковых сигналов, зафиксированных на представленной фонограмме?
Могла ли быть произведена запись данной фонограммы в указанном месте?
Каковы основные характеристики помещения, в котором производилась запись данной фонограммы?
