Voice Activity Detection in Small Vocabulary Speech Recognition

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03137501" target="_blank" >RIV/68407700:21230/07:03137501 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Voice Activity Detection in Small Vocabulary Speech Recognition

Original language description

Experiments on using voice activity detection (VAD) as a part of the frame dropping method for suppressing the influence of background noise in speech recognition are presented in this work. A speaker independent phoneme-based Czech digit sequence recogniser working in real environment was used for this purpose. A parametrization-based VAD is used here and the results are compared under different conditions - noisy environment, distribution level and auditory-based signal parametrization. The experiments show, that VAD-based frame dropping signal processing can bring the improvement to the recognition in terms of decreasing the insertion error and increasing the speech model preciseness, reaching for up to 20% word error rate enhancement. But the needfor the universal setting of the detection algorithm for general environmental conditions brings the detection inaccuracy, which takes effect in the recognition results.

Czech name

Detekce řečové aktivity v rozpoznávači řeči s malým slovníkem

Czech description

Tato práce prezentuje experimenty s detekcí řečové aktivity v rámci potlačování vlivu šumu pozadí řečových nahrávek při rozpoznávání řeči metodou zahazování neřečových segmentů. K tomu účelu byl použit fonémový rozpoznávač sekvence českých číslovek pracující v reálných podmínkách. Metoda používá detektor vycházející z parametrizované podoby signálu. Výsledky jsou srovnávány pro různé podmínky - rozdílné šumové pozadí, rozdílná parametrizace signálu. Výsledky, dosahující až 20% snížení chybovosti rozpoznávače, ukazují výhodnost použití detektoru řeči pro snížení chyby typu inzerce a zvýšení přesnosti modelování fonémů. Nevýhodou použití detektoru je nesnadná optimalizace parametrů pro kvalitní detekci za obecných šumových podmínek.

Type

D - Article in proceedings

CEP classification

JA - Electronics and optoelectronics

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Speech Processing

ISBN

978-80-86269-00-9

ISSN

—

e-ISSN

—

Number of pages

6

Pages from-to

43-48

Publisher name

Institute of Photonics and Electronics AS CR

Place of publication

Prague

Event location

Prague

Event date

Sep 19, 2007

Type of event by nationality

EUR - Evropská akce

UT code for WoS article

—