tratamiento digital de voz prof. luis a. hernández gómez ftp.gaps.ssr.upm.es/pub/tdv/doc/...
TRANSCRIPT
![Page 1: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/1.jpg)
Tratamiento Digital de Voz
Prof. Luis A. Hernández Gómez
ftp.gaps.ssr.upm.es/pub/TDV/DOC/Tema6a.ppt
Dpto. Señales, Sistemas y Dpto. Señales, Sistemas y RadiocomunicacionesRadiocomunicaciones
![Page 2: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/2.jpg)
Tema 6: Reconocimiento de Voz
Principios de Reconocimiento de Habla y de Locutor Tecnología de Reconocimiento de Locutor Tecnología de Reconocimiento de Habla
Tratamiento Digital de VozTratamiento Digital de Voz
![Page 3: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/3.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: ¿qué se dice?
La variedad de locutores (¿quién lo dice?): “ruido”(Acentos, variedades dialectales, etc.)
Reconocimiento de Locutor: ¿quién lo dice?
La variedad de mensajes hablados (¿qué se dice?): “ruido”
variación intra-locutor variación inter-locutores
![Page 4: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/4.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: Características Dependiente / Independiente de Locutor Tamaño del Vocabulario “Tipos de Reconocimiento”:
Habla aislada, palabras en contexto (word spotting), habla natural, lenguaje natural, habla espontánea, ...
Otros: Entorno de Ruido: móviles, cabinas, automóvil, ... Sistema de comunicación: GSM, manos-libres, VoIP, ...
Prestaciones
![Page 5: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/5.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: Dependiente/Independiente del Locutor
Dependiente de Locutor: por ejemplo, sistemas de dictado. Independiente de Locutor: aplicaciones telefónicas. Cada vez mayor importancia de las “Técnicas de Adaptación al Locutor”
Reducción de la cantidad de voz para la adaptación. Adaptación supervisada / no-supervisada. Adaptación también al entorno de ruido. Adaptación a “habla espontánea”.
![Page 6: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/6.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: Tamaño del Vocabulario El vocabulario DEBE estar pre-fijado (en muchas ocasiones es muy importante la gestión dinámica de vocabularios : entradas variables) El diseño del vocabulario puede “olvidar” palabras: palabras fuera del vocabulario (OOV out-of-vocabulary). Cómo detectar e incorporar esas palabras es de gran importancia. Las prestaciones del Reconocedor son dependientes del tamaño del vocabulario:
Pequeño (< 100), medio (<1000), grande (>1000 -- 1M) PERO es muy importante (muchas veces más que el número de palabras):
o El grado de similitud acústica entre palabras (ej.: teléfonos)o La GRAMÁTICA de reconocimiento. La gramática restringe la secuencia de palabras a reconocer.
![Page 7: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/7.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: ”Tipo” de Reconocimiento(terminología imprecisa)
Habla aislada: lista de palabras (directorio de nombres) Palabras en contexto (word spotting): “con Juan Pérez por favor” Habla natural: “dictado natural,” u “órdenes naturales” (“quiero que me digas qué películas ponen hoy”) Lenguaje natural: suele asociarse a la identificación de entidades semánticas:<solicitud de información>quiero que me digas qué
<tipo de información>películas</tipo de información>
ponen<tiempo>hoy</tiempo></solicitud de
información> Habla espontánea: “disfluencias” : “..eh quiero que me des, que me diga.. digas qué... pone... las películas de hoy”
![Page 8: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/8.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Habla: Características Más otros....
Entorno de Ruido: móviles, cabinas, automóvil, ... Sistema de comunicación: GSM, manos-libres, VoIP, ...
DIFICULTAD de medir “realmente” las prestaciones de un sistema de reconocimiento (en laboratorio en aplicaciones)
Errores de Reconocimiento: Tasa de Error (Sustituciones / Inserciones / Elisiones (borrados)) Rechazo: Falsa Aceptación / Falso Rechazo => INFLUYE en la Tasa de Error.
Ruidos Palabras OOV (fuera del vocabulario)
Medidas de Confianza: “seguridad” del resultado de reconocimiento (ejemplo: Adaptación no-supervisada)
![Page 9: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/9.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Locutor: Características Dependiente / Independiente de Texto Población cerrada / abierta “Modos de Funcionamiento”:
VERIFICACIÓN IDENTIFICACIÓN (Detección; Autenticación)
Otros: Entorno de Ruido..., Sistema de comunicaciones, ...VARIABILIDAD ENTRE SESIONES
Prestaciones
![Page 10: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/10.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Rec. de Locutor: Dependiente/Independiente de Texto Dependiente Texto:
Texto fijo: locución pre-establecida (clave de acceso) Texto variable (vocabulario fijo): se pide que el locutor pronuncie una clave generada aleatoriamente (text prompted); objetivos: evitar grabaciones y “clave en voz alta”
Independiente de Texto: el locutor puede emplear cualquier locución, sin restricciones (duración, riqueza fonética ? Imaginación ? => tipo de aplicación: Acústica Forense)
Importancia de la estrategia de diálogo (factores humanos): preguntas sucesivas (nombre, apellidos, fecha de nacimiento, ...) Reconocimiento de Locutor Sistemas de Verificación de Información Verbal (complementarios? Fases diferentes ?)
![Page 11: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/11.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Locutor: Población cerrada/abierta Población cerrada: reconocimiento entre un conjunto cerrado de usuarios; “el impostor está en casa”.
Población abierta: reconocimiento “abierto” a impostores externos a los “locutores reconocibles”
![Page 12: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/12.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Locutor: Modos de funcionamiento VERIFICACIÓN: decidir si una persona es quien dice ser utilizando su “huella vocal” (ej.: tecleo mi password y el sistema me pide que hable para comprobar que soy yo: se contrasta la voz dubitada contra una sola “huella vocal” –la del password-)
IDENTIFICACIÓN: decidir si la voz de una persona pertenece a algun locutor de una población de locutores identificados. (se compara la voz dubitada con todas las huellas vocales de la población “indubitada”)
(DETECCIÓN: localización de un locutor en una grabación de audio – AUTENTICACIÓN: mediante verificación/identificación)
![Page 13: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/13.jpg)
Reconocimiento de VozReconocimiento de Voz Principios de Reconocimiento de Habla y de Locutor
Reconocimiento de Locutor: Prestaciones Otros:
Entorno de Ruido... Sistema de comunicación... VARIABILIDAD ENTRE SESIONES
Errores de Reconocimiento: tasas de: Falsa Aceptación FA: un impostor vulnera el sistema Falso Rechazo FR: un usuario no es reconocido
“Aciertos” de Reconocimiento: Rechazo correcta: un impostor es rechazado Aceptación correcta: un usuario es reconocido
El coste de cada tipo de error depende de la aplicación (por ejemplo: mayor, menor seguridad) TAMBIÉN en aplicaciones reales: FTE Fail-to-enroll; imposibilidad de entrenarse en el sistema
![Page 14: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/14.jpg)
Four conditional probabilitiesin speaker verification
0012-09
Input utteranceDecision condition condition
s n (customer) (impostor)
S (accept)
N (reject)
P(S | s) P(S | n)
P(N | s) P(N | n)
![Page 15: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/15.jpg)
Relationship between error rate and decision criterion (threshold) in speaker verification
0012-10
Err
or r
ate
Decision criterion (Threshold)
1
0
FR= P (N | s)
FA= P (S | n)
a c b
Equal Error Rate
EER
![Page 16: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/16.jpg)
Receiver operating characteristic (ROC) curves; performance examples of three speaker verification systems: A, B, and D
0012-11
1
10 P (S | n)
P (
S |
s)A
B
Da
b
![Page 17: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/17.jpg)
Reconocimiento de VozReconocimiento de Voz Reconocimiento de Locutor: Prestaciones (http://www.nist.gov/speech)Curvas ROC Curvas DEC
![Page 18: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/18.jpg)
Reconocimiento de VozReconocimiento de Voz Reconocimiento de Locutor: Prestaciones (http://www.nist.gov/speech)
We have found it useful in speech applications to use a variant of this which we call the DET (Detection Error
Tradeoff) Curve, described below.
In the DET curve we plot error rates on both axes, giving uniform treatment to both types of error, and use a scale for both axes which spreads out the plot and better distinguishes different well performing systems and usually produces plots that are close to linear.
![Page 19: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/19.jpg)
Recognition error rates as a function of population size in speaker identification and verification
0103-23
20
10
5
2
1
0.5
0.2
0.12 5 10 20 50 100
Male Female
IdentificationVerification
Rec
ogni
tion
err
or r
ate
(%)
Size of population
![Page 20: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/20.jpg)
Reconocimiento de VozReconocimiento de Voz
Reconocimiento de Locutor: Prestaciones (La Granja)
SHEEP, GOATS, LAMBS and WOLVESA Statistical Analysis of Speaker Performance
in the NIST 1998 Speaker Recognition Evaluation
George Doddington 1,2,3,5, Walter Liggett1, Alvin Martin1, Mark Przybocki1, Douglas Reynolds 3,4,1 National Institute of Standards and Technology, 2 The Johns Hopkins University3 U.S. Department of Defense, 4 MIT Lincoln Laboratory, 5 SRI International
![Page 21: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/21.jpg)
Reconocimiento de VozReconocimiento de Voz
Reconocimiento de Locutor: Prestaciones (La Granja)
Sheep (ovejas) – Sheep comprise our default speaker type. In our model, sheep dominate the population and systems perform nominally well for them.
Goats (cabras) – Goats, in our model, are those speakers who are particularly difficult to recognize. Goats tend to adversely affect the performance of systems by accounting for a disproportionate share of the missed detections. The goat population can be an especially important problem for entry control systems, where it is important that all users be reliably accepted.
![Page 22: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/22.jpg)
Reconocimiento de VozReconocimiento de Voz
Lambs (corderos) – Lambs, in our model, are those speakers who are particularly easy to imitate. That is, a randomly chosen speaker is exceptionally likely to be accepted as a lamb. Lambs tend to adversely affect the performance of systems by accounting for a disproportionate share of the false alarms. This represents a potential system weakness, if lambs can be identified, either through trial and error or through correlation with other directly observable characteristics.
Wolves (lobos) – Wolves, in our model, are those speakers who are particularly successful at imitating other speakers. That is, their speech is exceptionally likely to be accepted as that of another speaker. Wolves tend to adversely affect the performance of systems by accounting for a disproportionate share of the false alarms. This represents a potential system weakness, if wolves can be identified and recruited to defeat systems.
![Page 23: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/23.jpg)
Tecnología de Reconocimiento de Locutor Estructura de un Sistema de Reconocimiento de Locutor
Tratamiento Digital de VozTratamiento Digital de Voz
ResultadoReconocimiento
Señalde Voz
Entrenamiento
Reconocimiento
ExtracciónDe
Características
Modelos/Patronesde referencia
para cada Locutor
Comparación(Distancia)
Speech Recognition Technology in theUbiquitous/Wearable Computing Environment Sadaoki Furui
http://www.furui.cs.titech.ac.jp/
![Page 24: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/24.jpg)
Tecnología de Reconocimiento de Locutor Otros aspectos importantes:
Tratamiento Digital de VozTratamiento Digital de Voz
ResultadoReconocimiento
Señalde Voz
ExtracciónDe
Características
Modelos/Patronesde referencia
para cada Locutor
Comparación(Distancia)
Detector deActividad
CanceladorDe
Ecos
“Compensación”De
Ruido
![Page 25: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/25.jpg)
Identificación
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
• • •
SimilaritySimilarity
SimilaritySimilarity
SimilaritySimilarity
Referencetemplate or model
(Speaker #N)
Referencetemplate or model
(Speaker #N)
Referencetemplate or model
(Speaker #2)
Referencetemplate or model
(Speaker #2)
Referencetemplate or model
(Speaker #1)
Referencetemplate or model
(Speaker #1)
FeatureextractionFeature
extractionMaximumselection
Maximumselection
Speechwave
Identificationresult
(Speaker ID)
![Page 26: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/26.jpg)
Verificación
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
Speechwave
Identificationresult
(Accept / Reject)
Speaker ID(#M)
SimilaritySimilarity
Referencetemplate or model
(Speaker #M)
Referencetemplate or model
(Speaker #M)
FeatureextractionFeature
extraction DecisionDecision
ThresholdThreshold
![Page 27: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/27.jpg)
Decisión
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
Distance
Intra-speaker distance
Inter-speaker distance
DB
DB
Dis
trib
utio
n
![Page 28: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/28.jpg)
Objetivo: obtener un modelo del locutor Para discriminación, no para codificación ni síntesisMarco de Trabajo: Reconocimiento de PatronesEl clasificador óptimo es el clasificador de Bayes
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
contrario caso en (rechazo) ˆ
)/( y )/ˆ(max)/( si ˆ :iónClasificac
,......, ,....,
Clases ------- nesObservacio
o
iˆii
L212
OOO
oooO 1
ppp
T
![Page 29: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/29.jpg)
“Todo” lo necesario es conocer la función de probabilidad
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
O
)/( 1 Op)/( 2 Op
)/( 3 Op
Rechazo Clase 1 Clase 2 Clase 3 Clase 2 Rechazo
![Page 30: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/30.jpg)
“Todo” lo necesario es conocer la función de probabilidad
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
O
)/( 1 Op
)/( 2 Op
)/( OLp
...
.
.
.
Max Rechazo ̂
![Page 31: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/31.jpg)
PERO: la función de probabilidad “nunca” se conoce: forma paramétrica desconocida y cantidad de datos de estima (entrenamiento) limitados
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
O
)/( 1 Op
)/( 2 Op
)/( OLp
...
.
.
.
Max Rechazo ̂
NO UN CLASIFICADOR ÚNICONO UN CLASIFICADOR ÚNICOFunciones deFunciones deDiscriminaciónDiscriminación
![Page 32: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/32.jpg)
De una forma simplificada podemos considerar:Por la técnica de clasificación:
Clasificadores no-paramétricos Clasificadores paramétricos (Discriminativos)
Atendiendo al tipo de información empleada: Clasificadores a partir de información a largo plazo Clasificadores a partir de información a corto plazo
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
![Page 33: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/33.jpg)
0012-13
(b) short-term information based method
Inputspeech
Speakeridentity
Paterns
FeatureextractionFeature
extraction DecisionDecisionAccumulationAccumulationParametric orNon-ParametricParametric or
Non-Parametric
(a) Long-term-statistics-based method
Inputspeech
Speakeridentity
Reference templatesor models
FeatureextractionFeature
extraction DecisionDecisionDistance
orsimilarity
Distanceor
similarity
Long-termstatistics
Long-termstatistics
Average, variance,correlation, MAR
![Page 34: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/34.jpg)
Por la técnica de clasificación... Clasificadores no-paramétricos:
No hacen ninguna hipótesis sobre el modelo de distribución de la voz del locutor
Se basan completamente en los datos de entrenamiento
Un ejemplo típico serían los sistemas de Reconocimiento Un ejemplo típico serían los sistemas de Reconocimiento Independientes del Locutor basados en Cuantificación VectorialIndependientes del Locutor basados en Cuantificación Vectorial
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
![Page 35: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/35.jpg)
Vector quantization (VQ)-based text-independent speaker recognition
0103-19
Spectral envelopes Speaker-specific codebook
![Page 36: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/36.jpg)
Cuantificador Vectorial
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
Representa el conjunto de vectores de ENTRENAMIENTO XX={x1,x2, ... xN} por un
número pequeño de representantes (centroides) YY={y1, y2, ... yM} (M<N)
• Fase 1. Determinación de los representantes– Medida de distancia d(xi, yj)
– Entrenamiento: Codebook YY
• Fase 2. Asignación del centroide más próximo– Cuantificación de una observación o jkyodyodyoQ kjj ),(),(
![Page 37: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/37.jpg)
Entrenamiento CV algoritmo LBG
Tecnología de Reconocimiento de LocutorTecnología de Reconocimiento de Locutor
Primer centroide
D? N?
Duplicación
Asignación de vectores
Cálculo de centroides
SISI
NO
NO
![Page 38: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/38.jpg)
Cuantificación
Asunción Moreno
Universidad Politécnica de Cataluña
![Page 39: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/39.jpg)
Entrenamiento
x
y
![Page 40: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/40.jpg)
Entrenamiento
x
y
![Page 41: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/41.jpg)
Entrenamiento
x
y
![Page 42: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/42.jpg)
Entrenamiento
x
y
![Page 43: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/43.jpg)
Entrenamiento
x
y
![Page 44: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/44.jpg)
Entrenamiento
x
y
![Page 45: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/45.jpg)
Entrenamiento
x
y
![Page 46: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/46.jpg)
Entrenamiento
x
y
![Page 47: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/47.jpg)
Entrenamiento
x
y
![Page 48: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/48.jpg)
Entrenamiento
x
y
![Page 49: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/49.jpg)
Entrenamiento
x
y
![Page 50: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/50.jpg)
Entrenamiento
x
y
![Page 51: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/51.jpg)
Cuantificación
x
y
![Page 52: Tratamiento Digital de Voz Prof. Luis A. Hernández Gómez ftp.gaps.ssr.upm.es/pub/TDV/DOC/ Tema6a.ppt Dpto. Señales, Sistemas y Radiocomunicaciones](https://reader035.vdocumento.com/reader035/viewer/2022070312/5534322c5503461d5a8b4a4b/html5/thumbnails/52.jpg)
VQ Performance on Unseen Data
Ramachandran & Mamone (eds) ‘Modern Methods of Speech Processing’ Kluer Academic, 1995