【課題】３人以上が参加する会話で、対話の流れに応じて言語変換方向を決定する音声翻訳装置を提供する。
【解決手段】音声入力部１０、話者同定部２０、言語判定部３０、言語制御部４０、話者言語記録部５０、音声認識部６０及び機械翻訳部７０から構成され、発話者と発話言語の対応関係を保持しておき、発話者と発話言語の対応関係を記録して、現在対話を進める話者対を動的に切り替えながら、対話の流れに応じて言語変換方向を自動的に決定できる。 （もっと読む）

【課題】話者名が分からない場合においても、映像を視聴することなく話者を特定する。
【解決手段】本発明は、教師なし話者認識技術により入力された映像の音声を認識し、当該映像の開始・終了時刻からなる話者区間及び該話者区間に対応する話者毎に話者ＩＤを付与し、話者認識結果として話者認識結果記憶手段に格納し、入力された映像から顔の位置を検出する手法により話者ＩＤに対応する話者区間に含まれる顔画像を検出し、話者ＩＤと共に話者ＩＤ毎顔画像記憶手段に格納し、話者ＩＤ毎画像記憶手段に記憶されている各話者ＩＤの各顔画像に対する個人特徴を抽出し、顔画像に対する個人特徴から話者ＩＤ毎に最も相応しい個人特徴を決定し、話者個人特徴決定結果記憶手段に格納する。 （もっと読む）

【課題】従来の生体認証が抱える問題点を生じることなく、プライバシーを容易に、かつ堅固に保護することができる個人認証装置を実現する。
【解決手段】個人認証装置１０は、利用者の顎関節運動による顎関節振動を検出する検出部１と、利用者の生体情報として、上記顎関節振動から上記利用者の頭蓋骨の共振周波数および該共振周波数の振動振幅を解析する解析部２と、解析部２から与えられた上記共振周波数および上記振動振幅を、登録装置４に予め登録されている上記利用者の生体情報と比較照合し、認証を行う認証部３とを備えている （もっと読む）

【課題】本発明は、発話者に対して意識的な入力作業を強いることなく、複数の発話者の音声データを収集可能な音声合成出力装置の提供を目的とする。
【解決手段】音声入力部１０を介して入力された発話者の音声が音声認識部１４によって文字列の音声データに分解され、音声合成部１５によってその文字列の音声データを用いて音声合成処理された合成音を出力する音声合成出力装置であって、発話者を自動的に特定するユーザ認証部１１を備え、ユーザ認証部１１によって自動的に特定された発話者毎にその文字列の音声データが音声データベース１３に格納されることを特徴とする、音声合成出力装置。 （もっと読む）

【課題】各ユーザに最適な音響モデルを選択し、より確実に音声認識を行うことができる電子機器を提供することである。
【解決手段】ディジタルテレビ受像機１００において、音響モデルパターン取得手段（ＣＰＵ１２１、音響モデルパターン取得プログラム１２３ｄ）によって、識別情報抽出手段（ＣＰＵ１２１、識別情報抽出プログラム１２３ｃ）により抽出された識別情報に対応する音響モデルパターンを取得し、コマンド情報抽出手段（ＣＰＵ１２１、コマンド情報抽出プログラム１２３ｅ）によって、取得された音響モデルパターンを用いて、音声情報取得部１１により取得された音声情報の音声認識を行い、コマンド情報を抽出し、制御手段により、抽出したコマンド情報に基づいて制御を行う。 （もっと読む）

【課題】話者認証登録及び確認方法並びに装置を提供する。
【解決手段】話者の登録発声から音響的特徴ベクトルシーケンスを抽出することと、音響的特徴ベクトルシーケンスを使って話者テンプレートを生成することとを備え、音響的特徴ベクトルシーケンスを抽出する上記ステップは、登録発声に基づいて、登録発声のスペクトルにおけるフォルマントの位置とエネルギーをフィルタリングする、話者の登録発声のためのフィルタバンクを生成することと、生成されたフィルタバンクによって登録発声のスペクトルをフィルタリングすることと、フィルタリングされた登録発声から音響的特徴ベクトルシーケンスを生成することとを備える話者認証登録方法。 （もっと読む）

【課題】話者登録認証方法を提供する。
【解決手段】話者によって発話されるパスワードを含む音声を入力し、入力音声から音響特徴ベクトルシーケンスを抽出し、抽出音響特徴ベクトルシーケンスと登録話者によって登録された話者テンプレートとをDTW整合し、DTM整合の音響特徴ベクトルシーケンスと話者テンプレートとの複数の局部距離の各々を計算し、小さい局部距離に多くの重みを与えるために算出された前記各局部距離を非線形変換し、複数の非線形変換局部距離に基づいてDTW整合点数を算出し、入力音声が前記登録話者によって発話されたパスワードであるかを決定するため前記整合点数を所定の識別閾値と比較する。 （もっと読む）

【課題】誤動作の発生を低減する音声処理装置を提供する。
【解決手段】操作者または操作者以外の者の発声を含む音声を入力するマイク１０４と、入力された音声のうち音声処理の対象とする区間として操作者により指定された指定区間の入力を受付ける指定区間受付部２０４と、入力された音声から発声が存在する区間である発声区間を検出する発声区間検出部２０２と、入力された音声に基づいて、操作者または操作者以外の者のいずれが発声の発話者であるかを判断する話者判断部２０３と、指定区間受付部２０４が受付けた指定区間と発声区間検出部２０２が検出した発声区間とが重複する部分を検出し、重複する部分が検出された場合であって、話者判断部２０３により話者は操作者以外の者であると判断された場合に、重複する部分が含まれる発声区間を処理区間として決定する処理内容判断部２０５と、を備えた。 （もっと読む）

【課題】再生機で再生される声を用いて認証を得ようとする不正者を容易に検知する。
【解決手段】
パーソナルコンピュータ１に、音声認証技術によるユーザ認証の対象者が声を発する前の時間帯にその対象者の周囲の音である周囲音を集音する音声データ取得部１３２と、その時間帯を複数に区切った区間ごとの、集音された周囲音の所定時間当たりの強さを表わす強さレベルを算出し、算出した２つの強さレベルのうち後の区間に係る強さレベルが前の区間に係る強さレベルと所定の値との和よりも大きい場合に、その対象者を再生音で認証を得ようとする不正なユーザであると判別する、偽装判別部１３４と、を設ける。 （もっと読む）

【課題】音源物体の検出成功率を向上させるとともに安定させること。
【解決手段】ロボット装置１００において、画像入力部１１２によって入力された画像と、音源情報の適用視覚情報とに基づいて画像処理手順を実行して音源物体１０２の視覚特徴を検出し、音源物体１０２の少なくとも方位を示す視覚定位情報を出力する視覚特徴検出定位部１１４と、音声入力部１１３によって入力された音声と、音源情報の適用聴覚情報とに基づいて音声処理手順を実行して音源物体１０２の聴覚特徴を検出し、音源物体１０２の少なくとも方位を示す聴覚定位情報を出力する聴覚特徴検出定位部１１５と、検出戦略情報に基づいて、視覚特徴検出定位部１１４または聴覚特徴検出定位部１１５を制御し視覚定位情報または聴覚定位情報から音源物体１０２の存在する位置を検出する音源物体検出部１１６とを備えた。 （もっと読む）