$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

한국어 유아 음성인식을 위한 수정된 Mel 주파수 캡스트럼
Modified Mel Frequency Cepstral Coefficient for Korean Children's Speech Recognition 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.13 no.3, 2013년, pp.1 - 8  

유재권 ((주)파수닷컴) ,  이경미 (덕성여자대학교 컴퓨터학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 한국어에서 유아 대상의 음성인식 향상을 위한 새로운 특징추출 알고리즘을 제안한다. 제안하는 특징추출 알고리즘은 세 가지 방법을 통합한 기법이다. 첫째 성도의 길이가 성인에 비해 짧은 유아의 음향적 특징을 보완하기 위한 방법으로 성도정규화 방법을 사용한다. 둘째 성인의 음성과 비교했을 때 높은 스펙트럼 영역에 집중되어 있는 유아의 음향적 특징을 보완하기 위해 균일한 대역폭을 사용하는 방법이다. 마지막으로 실시간 환경에서의 잡음에 강건한 음성인식기 개발을 위해 스무딩 필터를 사용하여 보완하는 방법이다. 세 가지 방법을 통해 제안하는 특징추출 기법은 실험을 통해 유아의 음성인식 성능 향상에 도움을 준다는 것을 확인했다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a new feature extraction algorithm to improve children's speech recognition in Korean. The proposed feature extraction algorithm combines three methods. The first method is on the vocal tract length normalization to compensate acoustic features because the vocal tract length in c...

주제어

#음성인식   #음성 데이터베이스   #음성 인터페이스  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 일반적인 MFCC에서 사용하는 constant-Q를 사용하게 되면 오히려 높은 주파수에서의 대역폭이 넓어지기 때문에 필터링 과정에서 정확한 음성 데이터를 표현하지 못해 손실이 생길 수 있다. 따라서 본 논문에서는 이러한 유아의 음성 특징을 보완할 수 있는 균일 필터 사용을 제안한다. 균일한 필터를 사용하게 되면 낮은 주파수에서 높은 주파수까지 동일한 대역폭을 사용하는 필터를 사용하기 때문에 높은 스펙트럼 영역에 집중되어 있는 유아의 음성 데이터를 상대적으로 조밀 하게 표현할 수 있어 데이터 손실을 줄일 수 있다.
  • 본 논문에서는 삼각 필터 모양 대신 [그림 3](b)와 같이 평활화된 필터 모양의 사용을 제안한다. 일반적인 MFCC에서는 평균적인 스펙트럼을 구한 값을 이용해 파워스펙트럼을 구하는 반면, 평활화된 필터 모양은 각각의 윈도우된 서브 프레임인 푸리에 변환(F)의 크기를 제곱함으로써 계산되어진 파워스펙트럼이다.
  • 본 논문에서는 제안하는 SUV-MFCC의 한국어 유아 음성인식률을 보여주기 위해 SUV-MFCC에서 사용하는 VTLN, 균일 필터, 평활화 필터가 유아 음성인식에 얼마나 기여하는지에 대한 실험을 진행하였다.
  • 본 논문에서는 한국어에서 만 3~5세 유아의 음성인식 향상을 위한 변형된 특징추출 방법을 제안한다. 제안된 방법의 유효성을 실험하기 위해, 유아가 많이 사용하는 단어 중 13개 분야에서 105개를 선정하였다[표 1][10].
  • 본 논문에서는 한국어에서 유아의 음성인식 향상을 위한 특징 추출 방법을 제안했고, 다양한 실험을 수행했다. 일반적으로 사용되고 있는 MFCC를 이용하여 비교 실험을 하였고, 제안하는 알고리즘 SUV-MFCC에서 VTLN, 필터 모양, 대역폭 변환이 어떤 영향을 미치는가도 실험했다.
  • 본 논문에서는 한국어에서 유아의 음성인식 향상을 위해서 특징 MFCC의 필터를 변형하고 VTLN을 적용하는 방법을 제안한다. 또한, 실시간 환경에서의 잡음에 강건한 음성인식기 개발을 위해 스무딩 필터를 사용하여 보완하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
유아 대상의 교육용 프로그램에서 음성 인터페이스 사용시 장점은 무엇인가? 특히, 유아 대상의 교육용 프로그램에서 음성 인터페이스의 사용은 유아에게 다양한 형태의 경험을 제공하고 언어 발달 능력을 향상시킬 수 있는 장점을 가지고 있다. 그러나 현재의 음성 인터페이스는 성인 음성 데이터의 접근 용이성 때문에 성인 대상으로 구축되어 있다.
음성은 무엇인가? 음성은 사람들 사이에서 가장 자연스럽고 편리한 정보 교환의 수단으로서, 음성을 이용한 인터페이스는 사람과 컴퓨터와의 인터페이스(HCI : Human-Computer Interfac) 연구 분야에서 핵심 기술 중 하나이다. 음성인터페이스는 그 편의성 때문에 많은 어플리케이션에 적용하려는 시도가 이루어지고 있다[1][2].
본 논문에서 유아 대상 한국어 음성인식 향상을 위해 제안한 특징추출 알고리즘은 무엇을 통합한 기법인가? 제안하는 특징추출 알고리즘은 세 가지 방법을 통합한 기법이다. 첫째 성도의 길이가 성인에 비해 짧은 유아의 음향적 특징을 보완하기 위한 방법으로 성도정규화 방법을 사용한다. 둘째 성인의 음성과 비교했을 때 높은 스펙트럼 영역에 집중되어 있는 유아의 음향적 특징을 보완하기 위해 균일한 대역폭을 사용하는 방법이다. 마지막으로 실시간 환경에서의 잡음에 강건한 음성인식기 개발을 위해 스무딩 필터를 사용하여 보완하는 방법이다. 세 가지 방법을 통해 제안하는 특징추출 기법은 실험을 통해 유아의 음성인식 성능 향상에 도움을 준다는 것을 확인했다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. 김종훈, 송창우, 김주현, 정경용, 임기욱, 이정현, "음성인식을 이용한 상황정보 기반의 스마트 홈 개인화 서비스", 한국콘텐츠학회논문지, Vol.9, No.11, pp.80-89, 2009. 

    원문보기 상세보기 crossref

  2. 권순일, "애니메이션 저작도구를 위한 음성 기반 음향 스케치", 한국콘텐츠학회논문지, Vol.10, No.4, pp.1-9, 2010. 

    원문보기 상세보기 crossref

  3. 유재권, 이경미, "한국어에서 성인과 유아의 음성 인식 비교", 한국콘텐츠학회논문지, Vol.11, No.5, pp.138-147, 2011. 

  4. A. Potamianos and S. Narayanan, "A review of the acoustic and linguistic properties of children's speech," in proc. of IEEE Multimedia Signal Processing Workshop, 2007. 

  5. D. Elenius and M. Blomberg, "Comparing speech recognition for adults and children," in proc. of FONETIK, pp.156-159, 2004. 

  6. D. Giuliani and M. Gerosa, "Investigating recognition of children's speech," in proc. of ICASSP, Vol.II, pp.137-140, 2003. 

  7. S. Das, D. Nix, and M. Picheny, "Improvements in children's speech recognition performance," in proc. of ICASSP, Vol.I, pp.433-436, 1998. 

  8. F. Zheng, G. Zhang, and Z. Song, "Comparison of different implementations of MFCC," Journal of computer science and technology, Vol.16, No.6, pp.582-589, 2001. 

    상세보기 crossref

  9. S. Umesh and R. Sinha, "A study of filter bank smoothing in MFCC features for recognition of children's speech," IEEE transactions on acoustic. speech and signal processing, Vol.15, No.8, pp.2418-2430, 2007. 

  10. 유재권, 이경옥, 이경미, "한국어에서 만 3-5세 유아의 음성 데이터베이스 구축", 한국콘텐츠학회논문지, Vol.12, No.4, pp.52-59, 2012. 

  11. S. Young, G. Evermann, M. Gales, T. Hain, D. Kershaw, X. Liu, G. Moore, J. Odell, D. Ollason, D. Povey, V. Valtchev, and P. Woodland, "The HTK Book," Microsoft Corporation and Cambridge University Engineering Department, 2009. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로