Kirjahaku

La diarisation du locuteur est le processus qui d tecte les locuteurs actifs et regroupe les signaux vocaux qui ont t mis par le m me locuteur. En g n ral, on peut trouver deux applications principales pour la diarisation du locuteur. Les syst mes de reconnaissance automatique de la parole utilisent les groupes homog nes de locuteurs pour adapter les mod les acoustiques en fonction du locuteur et donc augmenter les performances de reconnaissance. Les syst mes d'indexation du locuteur et de transcription riche utilisent galement la sortie de diarisation du locuteur comme une des informations extraites d'un enregistrement, ce qui permet son indexation automatique et d'autres traitements ult rieurs. Dans cette tude, une application de diarisation du locuteur est d velopp e - en utilisant des enregistrements binauraux multipartites de la parole - pour suivre l'activit du locuteur sur la base d'indices de diff rence de temps interauraux (ITD). Ces indices, pour une trame de signal vocal donn e, sont calcul s en utilisant le filtrage gammatone et la technique de corr lation crois e. Leurs valeurs sont utilis es pour d terminer quel locuteur de l'enregistrement produit le fragment de parole consid r . Cette tude a t supervis e par le Dr Jon Barker, et a t d fendue pour remplir les exigences du dipl me de Master en informatique avanc e, Universit de Sheffield, Royaume-Uni, 2007.

Diaryzacja glośnik w jest procesem, kt ry wykrywa aktywnych m wc w i grupuje te sygnaly mowy, kt re zostaly wypowiedziane przez tego samego m wcę. Generalnie możemy znaleźc dwa gl wne zastosowania diaryzacji glośnik w. Systemy automatycznego rozpoznawania mowy wykorzystują homogeniczne klastry glośnik w, aby dostosowac modele akustyczne do potrzeb os b m wiących, a tym samym zwiększyc wydajnośc rozpoznawania. Systemy indeksowania glośnik w i bogate systemy transkrypcji wykorzystują r wnież wyjście diaryzacji glośnik w jako jedną z informacji pozyskiwanych z nagrania, co pozwala na jego automatyczną indeksację i inne dalsze przetwarzanie. W niniejszym opracowaniu opracowano aplikację do diaryzacji glośnik w - wykorzystującą wieloczęściowe obuuszne nagrania mowy - do śledzenia aktywności glośnik w w oparciu o podpowiedzi dotyczące r żnicy czasu między sluchaczami (ITD). Te sygnaly, dla danej ramki sygnalu mowy, są obliczane przy użyciu filtrowania gammatonowego i techniki korelacji krzyżowej. Ich wartości są wykorzystywane do określenia, kt ry z m wc w w nagraniu wytwarza dany fragment mowy. Badania te byly nadzorowane przez dr Jona Barkera i bronione w celu spelnienia wymagań do uzyskania stopnia magistra zaawansowanej informatyki, University of Sheffield, Wielka Brytania, 2007.