Wyniki wyszukiwania - BazTech

1

Speech Emotion Recognition Based on Voice Fundamental Frequency

Dimitrova-Grekow Teodora, Klis Aneta, Igras-Cybulska Magdalena

Archives of Acoustics

|

2019

|

Vol. 44, No. 2

277--286

EN

The human voice is one of the basic means of communication, thanks to which one also can easily convey the emotional state. This paper presents experiments on emotion recognition in human speech based on the fundamental frequency. AGH Emotional Speech Corpus was used. This database consists of audio samples of seven emotions acted by 12 different speakers (6 female and 6 male). We explored phrases of all the emotions – all together and in various combinations. Fast Fourier Transformation and magnitude spectrum analysis were applied to extract the fundamental tone out of the speech audio samples. After extraction of several statistical features of the fundamental frequency, we studied if they carry information on the emotional state of the speaker applying different AI methods. Analysis of the outcome data was conducted with classifiers: K-Nearest Neighbours with local induction, Random Forest, Bagging, JRip, and Random Subspace Method from algorithms collection for data mining WEKA. The results prove that the fundamental frequency is a prospective choice for further experiments.

2

Evaluation of speech corpora for speech and speaker recognition systems

Ślimok J., Kotas J.

Pomiary Automatyka Kontrola

|

2014

|

R. 60, nr 6

373--375

EN

Creating advanced speech processing and speech recognition techniques involves the need of working with real voice samples. Access to various speech corpora is extremely helpful in such a situation. Having this type of resources available during the development process, it is possible to detect errors quicker, as well as estimate algorithm parameters better. Selecting a proper voice sample set is a key element in the development of a speech processing application. Each speech corpus has been adapted to support different aspects of speech processing. The goal of this paper is to present available speech corpora. Each of them is shown in the form of a table. The tables contain the description of features helpful in choosing a suitable set of voice samples.

PL

Tworzenie zaawansowanych technik przetwarzania oraz rozpoznawania mowy wiąże się z koniecznością pracy z rzeczywistymi próbkami głosu. Dostęp do różnorodnych zbiorów sygnałów mowy jest w tej sytuacji niezwykle pomocny. Posiadając tego typu zasoby, możliwe jest szybsze wykrywanie błędów, jak również lepsze oszacowanie parametrów algorytmów. Celem niniejszego artukułu jest zaprezentowanie dostępnych zbiorów próbek głosu. Dostępne bazy mowy różnią się między sobą między innym jakością, warunkami nagrywania oraz możliwymi zastosowaniami. Część baz zawiera rejestrowane rozmowy telefoniczne, z kolei inne zawierają wypowiedzi zarejestrowane przy użyciu wielu mikrofonów wysokiej jakości. Wykorzystywanie publicznych baz danych ma jeszcze jedną ważną zaletę - umożliwia porównywanie algorytmów stworzonych przez różne ośrodki badawcze, wykorzystujące tę samą metodologię. Uzyskiwane wyniki są prezentowane w postaci benchmarków, co umożliwia szybkie porównywanie opracowanych rozwiązań. Z tego powodu, wybór odpowiedniej bazy mowy jest kluczowy z punktu widzenia skuteczności działania systemu. Każdy ze zbiorów został przedstawiony w formie tabeli. Tabele zawierają opis cech pomocnych podczas wyboru odpowiedniego zbioru próbek głosu.

3

Automatic grapheme-to-phoneme conversion for Italian

Refice M., Savino M.

Archives of Control Sciences

|

2005

|

Vol. 15, no. 3

415--428

EN

This paper describes two grapheme-to-phoneme conversion systems we implemented for different application domains, namely 1) automatic phonetization and syllabification of Standard Italian pronunciation dictionaries, and 2) speech corpora and text-to-speech systems productions for regional varieties of Italian. The latter system can be considered a sort of revised version of the former, having the determination of the very basic Standard Italian conversion rules as the common core, whereas the main difference lays in its system architecture. Its modularity allows the possible addition of several regional variation pronunciation models. The present version of this system includes Bari and Naples grapheme-to-phoneme conversion modules.

4

Rozpoznawanie mówców

Dustor A., Izydorczyk J.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2003

|

nr 2-3

71-76

PL

Omówiono problematykę identyfikacji i weryfikacji mówcy. Przedstawiono poszczególne elementy składowe systemu rozpoznawania mówcy skupiając się szczególnie na zagadnieniach ekstrakcji parametrów z sygnału mowy, tworzeniu modeli mówcy zarówno parametrycznych jak i nieparametrycznych oraz na metodach rozpoznawania. Skrótowo przedstawiono również zagadnienia związane z zasobami mowy.

EN

The article presents fundamentals of speaker recognition as well as some basic problems of this technology like feature extraction, model training and recognition in more detail. Additionally a short description of speech corpora is included.