GritTec лаборатория обновляет технологию автоматической текстонезависимой голосовой идентификации дикторов

Технология автоматической голосовой идентификации предназначена для идентификации неизвестной аудиозаписи звонящего по телефону путем попарного сравнения c картотекой дикторских карточек существующих в базе данных системы.

Сравнение проводится на основе подсчета так называемых очков 'истины' и 'лжи' (очки соответствий) и с дальнейшим определением вероятностей принятия (Acceptance) и отвержения (Rejection).
Каждая дикторская карточка помимо информации о данном дикторе (ф.и.о., дата рождения, пол и т.д.) характеризуется примерами аудиозаписей с голосом диктора. В свою очередь каждый пример аудиозаписи описывается акустической моделью голоса, моделью ошибок (FAR, FRR, EER) и моделью шумов, описывающих окружающие шумы и канальные искажения, существующие в аудиозаписи. Как правило, для полного описания каждой дикторской карточки достаточно 1 - 3 аудиозаписей с голосом диктора, записанных для разных телефонных линий и длительностью каждой не менее 60 сек.
В алгоритмической части технологии голосовой идентификации дикторов добавлены детекторы тоновых сигналов и музыки. Детектор тоновых сигналов предназначен для детектирования DTMF, CPTD, UMTD и других подобных сигналов. Детектор музыки предназначен для детектирования музыкального сопровождения, звучащего во время ожидания соединения между абонентами.
В алгоритмической части модуля создания дикторской карточки обновлены технологии построения статистической модели голоса и ее переоценки (по S-состояниям).
Сравнительный анализ показал, что использование обновленных моделей голоса существенно увеличивает количество очков “истины” и “лжи” и увеличивает вероятность определения принятия (Acceptance) и отвержения (Rejection).
Тестирование обновленной технологии идентификации дикторов проводилось на реальных телефонных аудиозаписях и специализированной звуковой базе LDC96S61 записей телефонных фонограмм английского языка, предоставленной LDC консорциумом (Linguistic Data Consortium).
В программной реализации кода, помимо обновлений связанных с алгоритмической частью, сделаны обновления и оптимизация архитектуры программных модулей идентификации для использования их в многопоточном режиме. При обновлении программных модулей архитектура модулей была структурирована по функциональному назначению каждого модуля. Разработанная архитектура программных модулей предполагает построения конечными разработчиками клиент-серверных приложений и сервера идентификации, в котором идентификация неизвестных аудиозаписей осуществляется в поточном режиме независимо друг от друга.
В настоящее время технология автоматической идентификации дикторов доступна для платформы Intel в виде SDK библиотек с примерами тестовых проектов под MS VC++.

Список сокращений:
FRR (False Rejection Rate) - Вероятность ложного отвержения верной гипотезы (Ошибка 1-го рода);
FAR (False Acceptance Rate) - Вероятность ложного принятия заведомо не верной гипотезы (Ошибка 2-го рода);
EER (Error Equal Rate) - Вероятность, в которой значение ошибок 1-го и 2-го рода одинаково: EER = FRR = FAR;
DTMF (Dual Tone Modulated Frequency) - Сигналы тонального набора номера;
UMTD (Universal Multy Tone Detection) - Универсальный много-тональный детектор;
CPTD (Call Progress Tone Detection) - Детектор вызывной сигнализации (тональные сигналы типа 'Занято', 'Ожидание').

О компании GritTec
ГритТек лаборатория специализируется на исследованиях и разработках алгоритмов в области речевых, аудио технологий и методах цифровой обработки сигнала (DSP). Основные исследования ГритТек лаборатории сфокусированы в области: технологий шумоподавления и восстановления речевых сигналов, технологий биометрии голоса, анализа и синтеза речевых сигналов.
email: info@grittec.ru
url: http://www.grittec.ru

Опубликовано: 10 сентября 2007 г.

Ключевые слова: нет

Извините, комментариев пока нет