Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Glimpse Under the Surface: Language Understanding May Need Deep Syntactic Structure Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Phonetic Segmentation Using Knowledge from Visual and Perceptual Domain

verfasst von : Bhavik Vachhani, Chitralekha Bhat, Sunil Kopparapu

Erschienen in: Text, Speech, and Dialogue

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Accurate and automatic phonetic segmentation is crucial for several speech based applications such as phone level articulation analysis and error detection, speech synthesis, annotation, speech recognition and emotion recognition. In this paper we examine the effectiveness of using visual features obtained by processing the image spectrogram of a speech utterance, as applied to phonetic segmentation. Further, we propose a mechanism to combine the knowledge from visual and perceptual domains for automatic phonetic segmentation. This process can be considered analogous to manual phonetic segmentation. The technique was evaluated on TIMIT American English Corpus. Experimental results show significant improvements in phonetic segmentation, especially for lower tolerances of 5, 10 and 15 ms, with an absolute improvement of 8.29% for TIMIT database for a 10 ms tolerance is observed.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A New Corpus of Collaborative Dialogue Produced Under Cognitive Load Using a Driving Simulator
Nächstes Kapitel The Impact of Inaccurate Phonetic Annotations on Speech Recognition Performance
Literatur
1.
Adell, J., Bonafonte, A.: Towards phone segmentation for concatenative speech synthesis. In: Proceedings of the 5th ISCA Speech Snthesis Workshop, pp. 139–144 (2004)
2.
Dusan, S., Rabiner, L.R.: On the relation between maximum spectral transition positions and phone boundaries. In: INTERSPEECH- ICSLP, Ninth International Conference on Spoken Language Processing, 17–21 September 2006, Pittsburgh, PA, USA (2006)
3.
Garofolo, J.S.: Getting started with the darpa timit cd-rom: an acoustic phonetic continuous speech database. In: National Institute of Standards and Technology (NIST) (1988)
4.
Golipour, L., O’Shaughnessy, D.D.: A new approach for phoneme segmentation of speech signals. In: INTERSPEECH, pp. 1933–1936. ISCA (2007)
5.
Kalinli, O.: Automatic phoneme segmentation using auditory attention features. In: Proceedings of the INTERSPEECH, pp. 2270–2273 (2012)
6.
Keshet, J., Shalev-Shwartz, S., Singer, Y., Chazan, D.: Phoneme alignment based on discriminative learning. In: INTERSPEECH 2005, pp. 2961–2964 (2005)
7.
King, S., Hasegawa-Johnson, M.: Accurate speech segmentation by mimicking human auditory processing. In: IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP 2013, 26–31 May, Vancouver, BC, Canada, pp. 8096–8100 (2013)
8.
Leow, S.J., Chng, E.S., Lee, C.H.: Language-resource independent speech segmentation using cues from a spectrogram image. In: 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 5813–5817, April 2015
9.
Lo, H.Y., Wang, H.M.: Phonetic boundary refinement using support vector machine. In: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), vol. 4, pp. 933–936, April 2007
10.
Patil, V., Joshi, S., Rao, P.: Improving the robustness of phonetic segmentation to accent and style variation with a two-staged approach. In: INTERSPEECH, pp. 2543–2546 (2009)
11.
Pitt, M.A., Johnson, K., Hume, E., Kiesling, S., Raymond, W.: The buckeye corpus of conversational speech: labeling conventions and a test of transcriber reliability. Speech Commun. 45, 89–95 (2005)CrossRef
12.
Prieto, G.A., Parker, R.L., Thomson, D.J., Vernon, F.L., Graham, R.L.: Reducing the Bias of Multitaper Spectrum Estimates, vol. 171, pp. 1269–1281. Oxford University Press, Oxford (2007)
13.
Qiao, Y., Shimomura, N., Minematsu, N.: Unsupervised optimal phoneme segmentation: objectives, algorithm and comparisons. In: ICASSP, pp. 3989–3992 (2008)
14.
Raymond, W.D., Pitt, M.A., Johnson, K., Hume, E., Makashay, M.J., Dautricourt, R., Hilts, C.: An analysis of transcription consistency in spontaneous speech from the buckeye corpus. In: INTERSPEECH (2002)
15.
Shah, N.J., Vachhani, B.B., Sailor, H.B., Patil, H.A.: Effectiveness of PLP-based phonetic segmentation for speech synthesis. In: Proceedings of the ICASSP, Florence, Italy, pp. 270–274 (2014)
16.
Stolcke, A., Ryant, N., Mitra, V., Yuan, J., Wang, W., Liberman, M.: Highly accurate phonetic segmentation using boundary correction models and system fusion. In: Proceedings of the ICASSP, Florence, Italy, pp. 5552–5556 (2014)
17.
Thomson, D.: Spectrum estimation and harmonic analysis. Proc. IEEE 70, 1055–1096 (1982)CrossRef
18.
Vachhani, B., Bhat, C., Kopparapu, S.: Robust phonetic segmentation using multi-taper spectral estimation for noisy and clipped speech. In: 2016 24th European Signal Processing Conference (EUSIPCO), pp. 1343–1347, August 2016
19.
Wesenick, M.B., Kipp, A.: Estimating the quality of phonetic transcriptions and segmentations of speech signals. In: Proceedings of the Fourth International Conference on Spoken Language 1996, ICSLP 1996, vol. 1, pp. 129–132. IEEE (1996)
20.
Yuan, J., Ryant, N., Liberman, M., Stolcke, A., Mitra, V., Wang, W.: Automatic phonetic segmentation using boundary models. In: Proceedings of the INTERSPEECH, pp. 2306–2310 (2013)
Metadaten
Titel
Phonetic Segmentation Using Knowledge from Visual and Perceptual Domain
verfasst von
Bhavik Vachhani
Chitralekha Bhat
Sunil Kopparapu
Copyright-Jahr
2017
Buch
Text, Speech, and Dialogue

Print ISBN: 978-3-319-64205-5

Electronic ISBN: 978-3-319-64206-2

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-64206-2_44