MFCC-SVMおよびk-NN技術を用いた音声信号のアクセント認識

特徴削減、特徴分類、特徴選択は効率を計算するための手法の一部でした。本論文では、アクセント依存スピーカー認識システムのために、SVMおよびk-NN分類アルゴリズムとMFCC特徴抽出方法を紹介します。分類タスクは、2つのトレーニングおよびテスト段階を通じて達成されます。トレーニング段階では、スピーカー固有の特徴のパラメータが計算され、異なるスピーカー統計モデルが生成されます。テスト段階では、未知のスピーカーの音声サンプルがスピーカーの統計モデルと比較され、その後異なる分類器を使用して分類されます。アクセントの量が言語に依存する場合、アクセント認識がますます重要になります。インドの南部では、非常に多くの言語が話されています。そこには異なるアクセントが存在します。レイヤラセーマ、テランガナ、沿岸アンドラの話されている言語は最も顕著なアクセントです。提案された技術の一環として、3つの異なるアクセントを持つテルグ語の住民スピーカーから音声サンプルが収集されます。これはトレーニングとテストの両方の特徴に使用されます。