-
公开(公告)号：CN111128222A
公开(公告)日：2020-05-08
申请号：CN201811276692.7
申请日：2018-10-30
Applicant: 富士通株式会社
IPC: G10L21/0272 , G10L25/30
Abstract: 本发明涉及一种语音分离方法，包括：使用基于核的至少一个卷积滤波器对语音数据进行第一卷积运算；对经第一卷积运算的数据执行降采样；使用激活函数处理经降采样后的数据；对经激活函数处理后的数据进行第二卷积运算；通过应用至少一个深度神经网络模型识别经第二卷积运算后的数据与讲话人间的对应关系；根据对应关系提取与讲话人对应的数据；使用全连接层处理所提取的数据；对经全连接层处理的数据分别进行第二卷积运算的逆运算和第一卷积运算的逆运算以生成对应于讲话人的语音数据。
-
公开(公告)号：CN111524536B
公开(公告)日：2023-09-08
申请号：CN201910104232.4
申请日：2019-02-01
Applicant: 富士通株式会社
Abstract: 本公开提供了信号处理方法和信息处理设备。信息处理设备包括处理器，所述处理器被配置为：对根据声音信号获得的时频域信号按照频率方向上的多个子带进行划分，以获得与各个子带对应的子带信号；将所获得的子带信号输入到预先训练好的分类模型中；以及利用分类模型确定声音信号中所包括的声音事件的类别，其中，分类模型包括分别与各个子带相对应的多个子带模型，每个子带模型根据通过训练获得的、相对应的子带对声音事件分类的影响而对所输入的子带信号施加权重，并根据被施加权重后的子带信号输出关于声音事件的初步分类结果，以及其中，分类模型根据多个子带模型的初步分类结果输出关于声音事件的最终分类结果。
-
Patent Agency Ranking
公开(公告)号：CN111696572B
公开(公告)日：2023-07-18
申请号：CN201910188493.9
申请日：2019-03-13
Applicant: 富士通株式会社
IPC: G10L21/0272 , G10L25/30
Abstract: 公开了一种语音分离装置、方法及介质，所述语音分离装置包括：预处理单元，其对包含预定数目的语音信号混合而成的混合语音信号进行预处理以得到混合表达；多分支网络，其具有多个分支，每个分支使用不同的感受野处理所述混合表达以获取不同时间尺度的信息；分支权重网络，其基于所述混合语音信号为所述多分支网络中的每个分支的结果分配权重，其中，所述多分支网络基于获取的不同时间尺度的信息和为每个分支的结果分配的权重得到估计特征；掩模生成单元，其基于所述估计特征针对所述预定数目的语音中的每一个生成掩模；以及分离单元，其基于所述掩模和所述混合表达生成分离的语音信号。
-
公开(公告)号：CN110188338B
公开(公告)日：2023-02-21
申请号：CN201810155360.7
申请日：2018-02-23
Applicant: 富士通株式会社
IPC: G06F40/279 , G10L15/26
Abstract: 本发明公开了一种文本相关的说话人确认方法和设备。该方法包括：利用识别模型，根据输入音频数据，得到表明说话人和文本都正确的第一概率和表明说话人和文本中的至少一个不正确的第二概率；当第一概率与第二概率的差异大于预定阈值时，确认说话人身份，否则拒识说话人；其中，识别模型基于至少包括说话人视角和文本视角的多视角向量，所述多视角向量包括如下分量：多视角向量的总体均值μ、说话人视角的分量u、文本视角的分量v、以及噪声∈。
-
公开(公告)号：CN113269216A
公开(公告)日：2021-08-17
申请号：CN202010097053.5
申请日：2020-02-17
Applicant: 富士通株式会社
Abstract: 本公开内容涉及用于检测声音事件的装置、用于检测声音事件的方法及其上存储有程序的计算机可读存储介质。根据本公开内容的一个实施例，该用于检测声音事件的装置，包括：变换单元，被配置成通过对表征声音事件的波形的声音数据进行傅里叶变换确定包括与波形的幅度和相位有关的多个复数向量的复数谱数据；以及声音事件分类器，被配置成通过使用神经网络处理复数谱数据来确定声音事件关于多种候选事件类型的概率。本公开内容的方法、装置和存储介质至少能有助于实现如下效果之一：区分更多类型的声音事件，以及改善声音事件检测的准确度。
-
公开(公告)号：CN112447187A
公开(公告)日：2021-03-05
申请号：CN201910822623.X
申请日：2019-09-02
Applicant: 富士通株式会社
Abstract: 公开了一种声音事件的识别装置，包括：编码器，其配置成将其中含有多个声音事件的声音信号转换为低维空间中的特征；以及检测器，其配置成将所述特征映射为每个声音事件的后验概率，其中，所述检测器对所述特征执行多次空洞卷积运算。根据本公开的识别装置通过端到端方式来更有效地进行自动声音事件检测。
-
公开(公告)号：CN110188338A
公开(公告)日：2019-08-30
申请号：CN201810155360.7
申请日：2018-02-23
Applicant: 富士通株式会社
Abstract: 本发明公开了一种文本相关的说话人确认方法和设备。该方法包括：利用识别模型，根据输入音频数据，得到表明说话人和文本都正确的第一概率和表明说话人和文本中的至少一个不正确的第二概率；当第一概率与第二概率的差异大于预定阈值时，确认说话人身份，否则拒识说话人；其中，识别模型基于至少包括说话人视角和文本视角的多视角向量，所述多视角向量包括如下分量：多视角向量的总体均值μ、说话人视角的分量u、文本视角的分量v、以及噪声∈。
-
-
-
-
-
-
Search Results
17
records
(took 0.031 seconds)
