งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

ความก้าวหน้าของการ พัฒนา ระบบระบุผู้พูด ภาษาไทย Thai Language Speaker Identification System: Development Progress ชัย วุฒิวิวัฒน์ชัย, สุทัศน์ แซ่ตั้ง และวารินทร์

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "ความก้าวหน้าของการ พัฒนา ระบบระบุผู้พูด ภาษาไทย Thai Language Speaker Identification System: Development Progress ชัย วุฒิวิวัฒน์ชัย, สุทัศน์ แซ่ตั้ง และวารินทร์"— ใบสำเนางานนำเสนอ:

1 ความก้าวหน้าของการ พัฒนา ระบบระบุผู้พูด ภาษาไทย Thai Language Speaker Identification System: Development Progress ชัย วุฒิวิวัฒน์ชัย, สุทัศน์ แซ่ตั้ง และวารินทร์ อัจฉริยะกุลพร คณะนักวิจัยและพัฒนาระบบระบุผู้พูดสำหรับภาษาไทย ฝ่ายกลุ่มวิจัยและพัฒนาเทคโนโลยีสารสนเทศ ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ

2 ขอบเขตของงาน Speaker Identification Speaker Verification Text Dependent (Fixed Text) Text Independent (Free Text) Open Set System Closed Set System Office Environment Telephone Environment Speaker Identification Text Dependent (Fixed Text) Closed Set System Office Environment

3 Speaker Identification System (SID) 16-bit Quantization Digital Filtering Hz Sampling Rate Endpoint Detection Time Normalizatio n Preemphasi s Frame Blocking Smoothing Window Feature Analysis

4 การทดลองขั้นต้น • ผู้พูดจำนวน 20 คน ( ชาย 11 หญิง 9) • พูดตัวเลขละ 10 ครั้ง / สัปดาห์ 5 สัปดาห์ Train: สัปดาห์ที่ 1-3, Test: สัปดาห์ที่ 4-5 • 10-order Linear Prediction Coefficient (LPC) • Artificial Neural Network (ANN): Multilayer Perceptron (MLP) & Backpropagation Algorithm Euclidean Distance & Maximum Likelihood Dynamic Time Warping (DTW) & K- Nearest Neighbor (KNN)

5 การทดลองเกี่ยวกับ Recognition Engine: ANN • ผู้พูดจำนวน 20 คน ( ชาย 11 หญิง 9) • 15-order Linear Prediction Derived Cepstrum (LPCC) • ANN: Normal Input Feeding (1 Net/All Speakers) Window Input Feeding (1 Net/Speaker)

6 การทดลองเกี่ยวกับ Recognition Engine: DTW r = 5 พอเพียงสำหรับเสียงตัวเลข โดด r ควรจะเพิ่มเมื่อเสียงยาวขึ้น 84.53% 71.32% 84.29% การเทียบเคียงด้วยการเติมค่า 0 ต่อท้ายเสียง ที่สั้นกว่าให้ผลดีและใช้เวลาน้อย ที่สุด • ผู้พูดจำนวน 50 คน ( ชาย 30 หญิง 20) • 15-order LPCC • ผู้พูดจำนวน 50 คน ( ชาย 30 หญิง 20) • 15-order LPCC • Train : 30 เสียง 20 เสียง 10 เสียง 84.53% 84.61% 82.26% เสียงอ้างอิงจำนวน 20 เสียง พอเพียง สำหรับระบบระบุผู้พูด 50 คน

7 การทดลองเกี่ยวกับ Speech Feature • ผู้พูดจำนวน 20 คน ( ชาย 11 หญิง 9) • 10 & 15-order LPC & LPCC • DTW + KNN

8 ณ ปัจจุบัน

9 การทดลองอื่นๆ • ผู้พูดจำนวน 20 คน ( ชาย 30 หญิง 20) • 15-order LPCC • ANN (MLP+Backpropagation) • Time Normalization : Interpolation & SOLA SOLA ให้ผลดีกว่า Interpolation ควรหลีกเลี่ยงการใช้ Time Normalization • ผู้พูดจำนวน 9 คน ( ชาย 5 หญิง 4) • 10-order LPC • ANN (MLP+Backpropagation) • คำพูดที่ใช้ : สามัญเอเอเอเอ เอ เอกเอ่เอ่เอ่เอ่เอ่ โทเอ้เอ้เอ้เอ้เอ้ ตรีเอ๊เอ๊เอ๊เอ๊เอ๊ จัตวาเอ๋เอ๋เอ๋เอ๋เอ๋ ผสมเอ๋เอ่เอ้เอ๊เอ๋ เสียงวรรณยุกต์ผสม ให้ผลดีที่สุด เสียงวรรณยุกต์ประเภท Dynamic ( โท, จัตวา ) ให้ผลดีกว่าเสียงวรรณยุกต์ประเภท Static ( สามัญ, เอก, ตรี )

10 บทสรุป • ระบบระบุผู้พูดจำนวน 50 คน • ใช้กับเสียง ตัวเลข 0-9 • อัตราการระบุผู้พูด 92.3% สำหรับ เสียงเลข “5” • อัตราการระบุผู้พูดมากกว่า 98% สำหรับ เสียงเลขต่อกัน 3 ตัว • ขาดแคลนฐานข้อมูลขนาดใหญ่ ที่เป็นมาตรฐาน • DTW ซึ่งให้ผลดีที่สุดในปัจจุบัน ยังใช้เวลา ในการระบุผู้พูดนานมาก • พัฒนาต่อเนื่องไปยังระบบที่ใช้กับเสียงผ่าน สายโทรศัพท์

11 Demonstration


ดาวน์โหลด ppt ความก้าวหน้าของการ พัฒนา ระบบระบุผู้พูด ภาษาไทย Thai Language Speaker Identification System: Development Progress ชัย วุฒิวิวัฒน์ชัย, สุทัศน์ แซ่ตั้ง และวารินทร์

งานนำเสนอที่คล้ายกัน


Ads by Google