主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李 祺,马华东,冯 硕.用于自动字幕生成系统的语音端点检测算法.软件学报,2008,19(zk):96-103
用于自动字幕生成系统的语音端点检测算法
A Robust Endpoint Detection Algorithm for Video Caption Generation
投稿时间:2008-05-01  修订日期:2008-11-25
DOI:
中文关键词:  语音端点检测  字幕  字幕生成系统  音频分析  语音识别
英文关键词:endpoint detection  caption  video caption generation  audio analysis  speech recognition
基金项目:Supported by the National Natural Science Foundation of China under Grant No.90612013 (国家自然科学基金); the National High -Tech Research and Development Plan of China under Grant No.2006AA01Z304 (国家高技术研究发展计划(863)); the Cosponsored Project of Beijing Committee of Education of China under Grant No.SYS100130422, the 111 Project of China under Grant No.B08004
作者单位
李 祺 北京邮电大学 智能通信软件与多媒体北京市重点实验室,北京 100876 
马华东 北京邮电大学 智能通信软件与多媒体北京市重点实验室,北京 100876 
冯 硕 北京邮电大学 智能通信软件与多媒体北京市重点实验室,北京 100876 
摘要点击次数: 4000
全文下载次数: 4782
中文摘要:
      字幕信息有助于观众对音视频内容进行理解,在音视频文件中起着不可或缺的作用.针对自动字幕生成系统的要求,提出了一种灵活、高效的语音端点检测算法,可以在复杂背景噪声的情况下,从连续的音频信号中提取语音端点.将短时能量、短时过零率、短时信息熵这3种基本音频参数进行结合,形成新的音频特征参数:短时能零熵(EZE-feature),在结合了音频信号时域特征和频域特征优点的同时,规避了它们各自的不足.在此基础上,还提出了一种环境自适应的语音端点判定算法,在端点检测过程中对背景噪声进行实时分析,并根据背景噪声的变化对短时能零熵参数进行调整.该语音端点检测算法已被成功应用于自动字幕生成系统中.
英文摘要:
      With the development of multimedia technology, the use of video has increased in many fields, and captions are frequently inserted into video images to aid the understanding of audience. This paper proposes a robust endpoint detection algorithm for continuous speech in noisy environment, and it can be used in automatic video caption generation systems. In the proposed algorithm, we integrate the widely used energy, zero crossing and entropy to form a new feature, EZE-feature, which possesses advantages while compensating the drawbacks of each individual. Moreover, an adaptive endpoint detection method is proposed which makes the EZE-feature modify its environment parameters by adapting to the strength of background noise. The proposed algorithm has been used in an automatic video caption generation system, and the performance of the algorithm is very well.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利