特許ウォッチ

公開番号2025069446
公報種別公開特許公報(A)
公開日2025-04-30
出願番号2025019994,2022508207
出願日2025-02-10,2021-03-04
発明の名称情報処理方法及び情報処理装置
出願人パナソニックインテレクチュアルプロパティコーポレーションオブアメリカ,Panasonic Intellectual Property Corporation of America
代理人個人,個人,個人
主分類G10L 17/08 20130101AFI20250422BHJP(楽器;音響)
要約【課題】話者認識処理を実行するための演算負荷を抑制する。
【解決手段】情報処理方法は、条件情報と、発話音声の話者特徴量とを取得し(S20、S21)、条件情報に基づいて、複数の登録話者特徴量を取得し(S221)、取得された複数の登録話者特徴量のそれぞれと、話者特徴量との類似度に基づき、発話音声の話者が複数の登録話者特徴量にそれぞれ対応する複数の登録話者のいずれであるかを特定する(S231)。
【選択図】図10
特許請求の範囲【請求項１】
条件情報と、発話音声の話者特徴量とを取得し、
前記条件情報に基づいて、複数の登録話者特徴量を取得し、
取得された前記複数の登録話者特徴量のそれぞれと、前記話者特徴量との類似度に基づき、前記発話音声の話者が前記複数の登録話者特徴量にそれぞれ対応する複数の登録話者のいずれであるかを特定する、
情報処理方法。
続きを表示（約 970 文字）【請求項２】
前記条件情報は、前記発話音声の収録状況を示す情報、または、前記発話音声のデータ属性である、
請求項１に記載の情報処理方法。
【請求項３】
前記収録状況は、前記発話音声を収録する際の雑音レベル及び使用マイクの少なくとも一つを示し、
前記発話音声のデータ属性は、前記発話音声の話者の性別または前記発話音声の言語を示す、
請求項２に記載の情報処理方法。
【請求項４】
前記複数の登録話者特徴量のそれぞれは、前記複数の登録話者のうちいずれか一人の登録話者と、複数の条件のうちいずれか１つの条件とに対応づけて記憶装置に記憶された特徴量であり、
前記条件情報に合致する複数の登録話者特徴量は、前記記憶装置に記憶された複数の登録話者特徴量から選択される、
請求項１～３のいずれか１項に記載の情報処理方法。
【請求項５】
前記発話音声から、前記発話音声の話者の固有の特徴量である前記話者特徴量を算出することで、前記話者特徴量を取得し、
前記発話音声を分析することで、前記条件情報を取得する、
請求項１～４のいずれか１項に記載の情報処理方法。
【請求項６】
さらに、前記発話音声についての音響特徴量を計算し、
前記発話音声についての前記音響特徴量から、ＤＮＮ（Deep Neural Network）を用いて、前記話者特徴量を算出することで、前記話者特徴量を取得する、
請求項１～５のいずれか１項に記載の情報処理方法。
【請求項７】
プロセッサと、
メモリとを備え、
前記プロセッサは、前記メモリを用いて、
条件情報と、発話音声の話者特徴量とを取得し、
前記条件情報に基づいて、複数の登録話者特徴量を取得し、
取得された前記複数の登録話者特徴量のそれぞれと、前記話者特徴量との類似度に基づき、前記発話音声の話者が前記複数の登録話者特徴量にそれぞれ対応する複数の登録話者のいずれであるかを特定する、
情報処理装置。
【請求項８】
請求項１～６のいずれか１項に記載の情報処理方法をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理方法等に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
例えば電話会議システム等、電話回線またはネットワークを介して、２人以上で音声を用いてコミュニケーションができる遠隔会議システムがある。
【０００３】
遠隔会議システムにおいて、３人以上で音声を用いたコミュニケーションを行う場合、誰が発話しているかすなわち話者を表示させたい場合がある。
【０００４】
例えば特許文献１には、話者認識処理の技術を用いて、雑音が混入する環境下であっても高精度に話者を認識することができる話者認識装置等が提案されている。ここで、話者認識技術は、登録対象の話者の発話音声を予め収集し、収集した発話音声から算出した特徴量と、新たに取得する話者認識の対象となる発話音声との類似度に基づいて、取得した発話音声の話者が登録された話者でのいずれであるかを判定する技術である。
【先行技術文献】
【特許文献】
【０００５】
特開２０２０―６０７５７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記のような遠隔会議システムにおいて上記特許文献１に開示される話者認識処理を適用する場合、話者の発話音声を送信する送信側の装置ではなく発話音声を受信する受信側の装置に適用することになる。このため、受信側の装置は、発話音声を受信するだけでなく、話者認識処理を行うことになるので、受信側の装置は演算負荷が高くなってしまうという課題がある。
【０００７】
本開示は、上述の事情を鑑みてなされたもので、話者認識処理を実行するための演算負荷を抑制することができる情報処理方法等を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本開示の一態様に係る情報処理方法は、条件情報と、発話音声の話者特徴量とを取得し、前記条件情報に基づいて、複数の登録話者特徴量を取得し、取得された前記複数の登録話者特徴量のそれぞれと、前記話者特徴量との類似度に基づき、前記発話音声の話者が前記複数の登録話者特徴量にそれぞれ対応する複数の登録話者のいずれであるかを特定する。
【０００９】
なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ－ＲＯＭ等の記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
【発明の効果】
【００１０】
本開示の情報処理方法等によれば、話者認識処理を実行するための演算負荷を抑制することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許