Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "automatic speaker recognition" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Behavioral features of the speech signal as part of improving the effectiveness of the automatic speaker recognition system
    Autorzy:
    Mały, Dominik
    Dobrowolski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/27323689.pdf
    Data publikacji:
    2023
    Wydawca:
    Centrum Rzeczoznawstwa Budowlanego Sp. z o.o.
    Tematy:
    automatic speaker recognition
    automatic speaker recognition systems
    physical features
    behavioral features
    speech signal
    automatyczne rozpoznawanie mówiącego
    sygnał mowy
    system automatycznego rozpoznawania mówiącego
    cecha behawioralna
    cecha fizyczna
    Opis:
    The current reality is saturated with intelligent telecommunications solutions, and automatic speaker recognition systems are an integral part of many of them. They are widely used in sectors such as banking, telecommunications and forensics. The ease of performing automatic analysis and efficient extraction of the distinctive characteristics of the human voice makes it possible to identify, verify, as well as authorize the speaker under investigation. Currently, the vast majority of solutions in the field of speaker recognition systems are based on the distinctive features resulting from the structure of the speaker's vocal tract (laryngeal sound analysis), called physical features of the voice. Despite the high efficiency of such systems - oscillating at more than 95% - their further development is already very difficult, due to the fact that the possibilities of distinctive physical features have been exhausted. Further opportunities to increase the effectiveness of ASR systems based on physical features appear after additional consideration of the behavioral features of the speech signal in the system, which is the subject of this article.
    Źródło:
    Inżynieria Bezpieczeństwa Obiektów Antropogenicznych; 2023, 4; 26--34
    2450-1859
    2450-8721
    Pojawia się w:
    Inżynieria Bezpieczeństwa Obiektów Antropogenicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selekcja cech osobniczych sygnału mowy z wykorzystaniem algorytmów genetycznych
    Selection of individual features of a speech signal using genetic algorithms
    Autorzy:
    Kamiński, K.
    Dobrowolski, A. P.
    Majda-Zdancewicz, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/949807.pdf
    Data publikacji:
    2016
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    biometria
    automatyczne rozpoznawanie mówcy
    algorytmy genetyczne
    selekcja cech
    biometrics
    automatic speaker recognition
    genetic algorithms
    feature selection
    Opis:
    W artykule przedstawiono system automatycznego rozpoznawania mówcy zaimplementowany w środowisku Matlab oraz pokazano sposoby realizacji i optymalizacji poszczególnych elementów tego systemu. Główny nacisk położono na wyselekcjonowanie cech dystynktywnych głosu mówcy z wykorzystaniem algorytmu genetycznego, który pozwala na uwzględnienie synergii cech podczas selekcji. Pokazano również wyniki optymalizacji wybranych elementów klasyfikatora, m.in. liczby rozkładów Gaussa użytych do zamodelowania każdego z głosów. Ponadto, podczas tworzenia modeli poszczególnych głosów zastosowano uniwersalny model głosów.
    The paper presents an automatic speaker’s recognition system, implemented in the Matlab environment, and demonstrates how to achieve and optimize various elements of the system. The main emphasis was put on features selection of a speech signal using a genetic algorithm which takes into account synergy of features. The results of optimization of selected elements of a classifier have been also shown, including the number of Gaussian distributions used to model each of the voices. In addition, for creating voice models, a universal voice model has been used.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2016, 65, 1; 147-158
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie i optymalizacja generatora cech dla systemu rozpoznawania mówcy
    Modeling and optimization of features generator for speaker recognition systems
    Autorzy:
    Majda, E.
    Dobrowolski, A. P.
    Smólski, B. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/209417.pdf
    Data publikacji:
    2012
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    automatyczne rozpoznawanie mówcy
    analiza cepstralna
    ekstrakcja cech
    selekcja cech
    analiza składników głównych
    automatic speaker recognition
    cepstral analysis
    features extraction
    features selection
    principal component analysis
    Opis:
    W pracy przedstawiono zagadnienia związane z modelowaniem i optymalizacją generatora cech dla systemu automatycznego rozpoznawania mówcy (ang. Automatic Speaker Recognition - ASR). Etap generacji cech (parametryzacji sygnału mowy) jest fundamentalny w tego typu systemach, z uwagi na fakt, że unikatowy wektor cech ma decydujące znaczenie w procesie rozpoznawania. Zadaniem generatora cech jest opisanie sygnału mowy za pomocą możliwie mało licznego zbioru deskryptorów, bez utraty informacji istotnych z punktu widzenia rozpoznawania mówcy. Ponadto parametryzacja powinna wykazywać odporność na warunki akustyczne i techniczne rejestracji oraz na zawartość lingwistyczną rejestrowanego materiału. Badania przedstawione w referacie koncentrowały się przede wszystkim na wielokryterialnej optymalizacji wybranych parametrów generatora cech opartego na analizie cepstralnej, uwzględniającej dodatkowo selekcję cech. Oceny otrzymanych wyników dokonano w oparciu o analizę składników głównych (ang. Principal Component Analysis - PCA) zbioru deskryptorów wyznaczonych dla próbek głosu pochodzących od 24 mówców.
    The paper presents issues related to modeling and optimization of the features generator for the speaker recognition system (ASR - Automatic Speakers Recognition). Parameterization's stage of the speech signal (features generation) is fundamental in this type of systems, due to the fact that the unique vector of features is crucial in the process of recognition. The task is to describe the speech signal using descriptors as little as possible, without loss of relevant information to the speaker recognition. In addition, parametrization should have robust to acoustic and technical registration conditions and the recorded linguistic material. The research presented in this paper is focused primarily on the multicriteria optimization of selected parameters of the features generator based on cepstral analysis, additionally allowing features selection. Finally, evaluation of the results was based on the analysis of main components, a set of descriptors for the samples voice acquired from 24 speakers.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2012, 61, 4; 153-168
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Kryminalistyczna identyfikacja mówcy maskującego głos
    Forensic identification of speaker with disguised voice
    Autorzy:
    Krzosek-Piwowarczyk, Izabela
    Komosa, Olga
    Maciejko, Waldemar
    Powiązania:
    https://bibliotekanauki.pl/articles/499820.pdf
    Data publikacji:
    2013
    Wydawca:
    Centralne Laboratorium Kryminalistyczne Policji
    Tematy:
    maskowanie
    metoda językowa
    automatyczne rozpoznawanie mówców
    iloraz wiarygodności
    rzetelność LR
    PSOLA
    wokoder fazowy
    voice disguise
    language method
    automatic speaker recognition
    likelihood ratio
    LR reliability
    phase vocoder
    Opis:
    Identyfikacja kryminalistyczna mówcy wymaga ekstrakcji cech osobniczych przenoszonych wraz z sygnałem mowy. Sprawcy przeróżnych przestępstw podejmują próby ukrycia tych cech. Jedna z najpopularniejszych technik maskowania polega na wykorzystaniu urządzenia modyfikującego częstotliwość tonu krtaniowego i jest oparta na metodach PSOLA lub PV. Metody te w trakcie resyntezy sygnału generują zniekształcenia, które muszą wpływać na obserwowane cechy. W ramach pracy zbadano wpływ zniekształceń wprowadzanych przez algorytmy modyfikacji tonu krtaniowego na językowe cechy osobnicze oraz skuteczność automatycznego systemu kryminalistycznej identyfikacji mówców wyrażoną za pomocą charakterystyk Tippetta.
    Forensic speaker recognition is based on individual features which are conveyed with speech signal. Various crime offenders undertake attempts to disguise their individual features. One of the most common voice disguise method involves pitch shifting with PSOLA or PV methods. These methods distort speech signal during signal re-synthesis which has the influence on individual features. In hereby study, the Authors examined the effect of using pitch shifting algorithms on language individual features and effectiveness of forensic automatic speaker recognition which is assessed through Tippett plots.
    Źródło:
    Problemy Kryminalistyki; 2013, 280; 39-52
    0552-2153
    Pojawia się w:
    Problemy Kryminalistyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An Effective Speaker Clustering Method using UBM and Ultra-Short Training Utterances
    Autorzy:
    Hossa, R.
    Makowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/176593.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    automatic speech recognition
    interindividual difference compensation
    speaker clustering
    universal background model
    GMM weighting factor adaptation
    Opis:
    The same speech sounds (phones) produced by different speakers can sometimes exhibit significant differences. Therefore, it is essential to use algorithms compensating these differences in ASR systems. Speaker clustering is an attractive solution to the compensation problem, as it does not require long utterances or high computational effort at the recognition stage. The report proposes a clustering method based solely on adaptation of UBM model weights. This solution has turned out to be effective even when using a very short utterance. The obtained improvement of frame recognition quality measured by means of frame error rate is over 5%. It is noteworthy that this improvement concerns all vowels, even though the clustering discussed in this report was based only on the phoneme a. This indicates a strong correlation between the articulation of different vowels, which is probably related to the size of the vocal tract.
    Źródło:
    Archives of Acoustics; 2016, 41, 1; 107-118
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozpoznawanie wieku i płci na podstawie analizy głosu
    Age and gender recognition based on analysis of voice
    Autorzy:
    Gabryś, J.
    Gil, G.
    Kiszka, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/261820.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    automatyczne rozpoznawanie mowy
    wiek
    płeć
    współczynniki MFCC
    klasyfikacja mówcy
    maszyna wektorów nośnych
    automatic speech recognition
    age
    gender
    MFCC coefficients
    classification of speaker
    support vector machine (SVM)
    Opis:
    Metody automatycznego rozpoznawania wieku i płci pozwalają na rozpoznanie cech osoby mówiącej tylko na podstawie nagrania jej wypowiedzi. Mowa ludzka, poza werbalnym komunikatem, niesie ze sobą informacje dotyczące osoby mówiącej. Nagranie mowy osoby pozwala na wyodrębnienie takich informacji, jak jej płeć, wiek, a także emocje. Zaprezentowano przegląd metod rozpoznawania wieku i płci osób na podstawie ich mowy oraz wykonano implementację i przetestowano połączenie metod wyznaczania parametrów MFCC (współczynniki analizy cepstralnej w skali mel (Mel-frequency Cepstral Coefficients) i wysokości tonu głosu f0 oraz algorytmu SVM (metoda wektorów nośnych - Support Vector Machines) do klasyfikacji próbek głosowych. Testy zaimplementowanego rozwiązania pozwalają stwierdzić, że metoda jest skuteczna w większości przypadków testowych.
    Methods for automatic recognition of the age and gender characteristics allow the identification of the person only on the basis of recording of this person speech. Human speech, beyond verbal communication, gives an information about the speaking person. Speech recording allows the identification personal characteristics such as gender, age, and the emotions. The paper presents an overview of methods of age and gender recognition of people based on their speech. A combination of methods for determining the parameters MFCC (Mel-frequency Cepstral Coefficients) and pitch of voice (f0) and SVM (Support Vector Machines) algorithm for the classification of voice samples is implanted and tested. It was demonstrated that the method is effective in the majority of test cases.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2015, 21, 3; 165-169
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies