СЕГМЕНТАЦИЯ РЕЧИ ВО ВРЕМЯ СООТВЕТСТВИЯ ДИКТОРА

Сегментация речи – это процесс разделения речевых сигналов на части, который является важным аспектом систем идентификации говорящего и распознавания речи. Этот процесс повышает эффективность системы, позволяя точно определять начало и конец речи. Использование детекторов речевой активности (VAD) играет важную роль в сегментации, поскольку они помогают определить границы между речью и тишиной. Однако наиболее распространенными ошибками при сегментации являются ложноположительные и ложноотрицательные результаты, которые негативно влияют на общую точность системы. В связи с этим необходимо снижать ошибки за счет различных подходов и методов. Такие меры, как снижение фонового шума, использование моделей глубокого обучения и увеличение данных, могут значительно улучшить качество сегментации. Использование методов и особенностей спектрального анализа позволяет четко различать речь и фоновый шум. Целью данного исследования является оптимизация процесса сегментации и анализ вероятности ошибок, повышение эффективности систем распознавания речи. В результате эта работа является основой для новых исследований и разработок в области распознавания речи. В статье рассматривается проблема сегментации речи для идентификации говорящего. В работе описаны возможные критерии сегментации – качественные и количественные характеристики звуковой речи, например, речевые задержки и интонация, а также их акустическое соотношение. Это позволяет специалисту выделить конкретные сегментные единицы (слоги, слова и т. д.), записать их структуру, выделить основные признаки.

1. Sujatha C. Vibration, Acoustics and Strain Measurement: Theory and Experiments. – 2023. – 722 p. https://doi.org/10.1007/978-3-031-03968-3_4.

2. Sudeep S. V. N. V. S., Venkata Kiran S., Nandan D., and Kumar S. An Overview of Biometrics and Face Spoofing Detection. – 2021. – ICCCE 2020. – P. 871–881.

3. Златоустова Л.В., Потапова Р.К., Потапов В.В, и Трунин-Донской В.Н. Общая и прикладная фонетика: Учеб. пособие. – 2-е изд., перераб. и доп. - М. : Изд-во Моск. гос. ун-та, 1997. – 416 с.

4. Mukazhanov N., Alibiyeva Zh., Yerimbetova A., Kassymova A., Alibiyeva N. Development of an augmented damerau–levenshtein method for correcting spelling errors in kazakh texts // Eastern-European Journal of Enter-prise Technologies. – 2023. – Vol. 5. – No. 2(125). – P. 23–33. https://doi.org/10.15587/1729-4061.2023.289187.

5. Амаан Ризви, Анупам Джаматия, Двиджен Рудрапал, Кунал Чакма и Бьёрн Гамбек. CrossLingual Speaker Identification for Indian Languages: Материалы 14-й Международной конференции по последним достижениям в обработке естественного языка, Варна, Болгария, 2023. – С. 979–987.

6. Pati D., and Prasanna S.R.M. Speaker verification using excitation source information // International Journal of Speech Technology. – 2012. – Vol. 15. – No. 3. – P. 241–257.

7. Zeinali H., Sameti H., and Burget L. HMM-based phrase-independent i-vector extractor for textdependent speaker verification: IEEE/ACM Transactions on Audio Speech and Language Processing. – 2017. – Vol. 25. – P. 1421–1435.

8. Meftah A.H., Mathkour H., Kerrache S., and Alotaibi Y.A. Speaker Identification in Different Emotional States in Arabic and English. – 2020. – IEEE Access. – Vol. 8. – P. 60070–60083.

9. Гуртуева И.А., Бжихатлов К.Ч. Аналитический обзор и классификация методов выделения признаков акустического сигнала в речевых системах // Известия Кабардино-Балкарского научного центра РАН. – 2022. – Вып. 1. – С. 41–58. https://doi.org/10.35330/1991-6639-2022-1-105-41-58

10. Белов Ю.С., Нифонтов С.В., Азаренко К.А. Применение вейвлет-фильтрации для шумоподавления в речевых сигналах // Фундаментальные исследования. – 2017. – № 4 (часть 1) – С. 29–33.

11. Huang X., Acero A., and Hon H.W. Spoken Language Processing: A Guide to Theory, Algorithms, and Applications. – Prentice Hall, 2001.

12. Deng L., and Yu D. Deep Learning for Speech Recognition // IEEE Signal Processing Magazine. – 2012. – Vol. 29. – No. 6. – P. 82–97.

13. Zhang Y., and Wu Y. Robust Speech Segmentation using Spectral Clustering: IEEE Transactions on Audio, Speech, and Language Processing. – 2017. – Vol. 25. – No. – P. 91815–1827.

14. Hazen T.J., and Reddy R. Voice Activity Detection: A Review of the Literature // Journal of the Acoustical Society of America. – 2012. – Vol. 132. – No. 5. – P. 2994–3005.

15. Нефедов Н.Н., Алимурадов А.К. Краткий обзор способов обнаружения речевой активности // Инжиниринг и технологии. – 2024. – Т. 9. – № 2. – С. 1–6. https://doi.org/10.21685/2587-7704-2024-9-2-9.

16. Sharma, S., and Goyal, N. A Review of Speech Segmentation Techniques // International Journal of Computer Applications. – 2016. – Vol. 134. – No. 11. – P. 10–14.

17. Sak H., Senior A., and Beaufays F. Long Short-Term Memory Based Recurrent Neural Network Architectures for Large Vocabulary Speech Recognition. Proceedings of the 15th International Conference on Speech and Language Processing (INTERSPEECH), 2014. – pp. 338–342, (2014).

18. Gonzalez J., and Rios M.A Comprehensive Study on Speech Segmentation Approaches // Journal of Signal Processing Systems. – 2014. – Vol. 76. – No. 2. – P. 171–182.

19. Li X., and Zhao C. Improved Speech Segmentation Algorithm Based on GMM and VAD // Journal of the Acoustical Society of America. – 2015. – Vol. 137. – No. 3. – P. 1355–1363.

20. Yin J., and Wang Y. A Novel Method for Speech Segmentation Based on Wavelet Transform // International Journal of Speech Technology. – 2019. – Vol. 22. – No. 3. – P. 483–493.