| 1 |
1
감성음성에 상응하는 데이터를 저장하는 감성음성 데이터베이스가 저장하는 음성 신호로부터 발음속도를 포함하는 감성특징벡터를 추출하고 음성감성별 감성모델을 생성하는, 감성모델 생성부; 및복수의 음성감성별 감성모델을 저장하는 감성모델 데이터베이스를 포함하는 음성감성 인식 장치
|
| 2 |
2
청구항 1에 있어서, 상기 감성모델 생성부는, 상기 음성 신호로부터 음성특징을 추출하고 추출된 음성특징으로부터 복수의 코드워드를 포함하는 코드북을 생성하며, 상기 코드북을 이용해 상기 음성특징을 양자화하여 발음속도를 계산하는, 음성감성 인식 장치
|
| 3 |
3
청구항 2에 있어서, 상기 감성모델 생성부는, 상기 추출된 음성특징을 나타내는 음성특징 벡터열로부터 복수의 코드워드를 포함하는 코드북을 생성하는 코드북 생성부를 포함하는, 음성감성 인식 장치
|
| 4 |
4
청구항 3에 있어서, 상기 감성모델 생성부는, 상기 코드북을 이용해 상기 음성특징 벡터를 양자화하여 양자화된 인덱스를 산출하는 벡터양자화부를 더 포함하고, 상기 인덱스 는 아래 식에 따라 표현될 수 있으며,여기서, 는 음성특징 벡터열을, 은 코드북의 각 코드워드를, N은 코드워드의 개수를 나타내는, 음성감성 인식 장치
|
| 5 |
5
청구항 4에 있어서, 상기 양자화된 인덱스로부터 발음속도를 도출하는 발음속도 계산부를 더 포함하고, 상기 발음속도를 계산하는 계산식은 아래와 같으며,여기서, 는 발음속도를, M 은 윈도우 사이즈를, 는 상기 양자화된 인덱스를 나타내는, 음성감성 인식 장치
|
| 6 |
6
청구항 2에 있어서, 상기 감성특징벡터의 도출에 사용되는 발음속도는 음의 순간변화율로 정의되는 순간발음속도인, 음성감성 인식 장치
|
| 7 |
7
청구항 2에 있어서, 상기 감성모델 생성부는, 상기 음성특징 및 상기 발음속도를 이용해 감성특징벡터를 산출하는 감성특징벡터 추출부를 더 포함하는, 음성감성 인식 장치
|
| 8 |
8
청구항 2에 있어서, 상기 감성모델 생성부는, 상기 감성특징벡터를 이용하고 HMM(Hidden Markov model) 모델에 기반하여 학습을 수행하고 감성별 음성감성모델을 생성하여 상기 감성모델 데이터베이스에 저장하는 감성모델 도출부를 더 포함하는, 음성감성 인식 장치
|
| 9 |
9
청구항 1에 있어서, 입력되는 음성을 센싱하고 상기 감성모델 데이터베이스에 저장된 감성모델을 이용해 센싱된 음성의 감성을 판별하는 감성인식부를 더 포함하는, 음성감성 인식 장치
|
| 10 |
10
복수의 음성감성별 감성모델을 저장하는 감성모델 데이터베이스; 및입력된 음성의 발음 속도를 계산함으로써 감성특징벡터를 추출하고, 상기 추출된 감성특징벡터 및 상기 감성모델 데이터베이스에 저장된 감성모델을 이용해 입력된 음성의 감성을 판별하는 감성인식부를 포함하는, 음성감성 인식 장치
|
| 11 |
11
청구항 10에 있어서, 상기 감성인식부는, 산출된 감성특징벡터와 기 저장된 감성모델에 대해 비터비((Viterbi)) 탐색을 수행하여 발성음성에 대한 감성을 판별하는 비터비 탐색부를 포함하는, 음성감성 인식 장치
|
| 12 |
12
청구항 10에 있어서, 상기 감성인식부는, 입력되는 음성을 센싱하고 센싱된 음성의 음성특징을 추출하고 추출된 음성특징을 이용해 코드북을 생성하고 생성된 코드북을 이용해 추출된 음성 특징에 대해 벡터양자화를 수행하여 발음 속도를 계산함으로써 감성특징벡터를 추출하는, 음성감성 인식 장치
|
| 13 |
13
청구항 10에 있어서, 상기 감성 모델은, 음성특징과 관련된 MFCC(Mel-frequency Cepstral Coefficient) 특징의 차수, 코드북의 크기, 발음속도계산 방법, 발음속도 계산의 윈도우 사이즈, HMM(Hidden Markov model) 모델의 상태의 수, 및 상태별 GMM(Gaussian Mixture Model)의 수 중 적어도 하나가 파라미터로 설정되는 모델인, 음성감성 인식 장치
|
| 14 |
14
청구항 10에 있어서, 상기 감성모델 데이터베이스는, 감성음성에 상응하는 데이터를 저장하는 감성음성 데이터베이스가 저장하는 음성 신호로부터, 발음속도를 포함하는 감성특징벡터를 이용해 훈련되어 생성된 복수의 음성감성별 감성모델을 저장하는, 음성감성 인식 장치
|
| 15 |
15
감성음성에 상응하는 데이터를 저장하는 감성음성 데이터베이스가 저장하는 음성 신호로부터 발음속도를 포함하는 감성특징벡터를 추출하고 음성감성별 감성모델을 생성하는 단계;복수의 음성감성별 감성모델을 저장하는 감성모델 데이터베이스를 구축하는 단계; 및 입력된 음성의 발음 속도를 계산함으로써 감성특징벡터를 추출하고, 상기 추출된 감성특징벡터 및 상기 감성모델 데이터베이스에 저장된 감성모델을 이용해 입력된 음성의 감성을 판별하는 단계를 포함하는, 음성감성 인식 방법
|
| 16 |
16
청구항 15에 있어서, 상기 감성모델을 생성하는 단계는, 상기 추출된 음성특징을 나타내는 음성특징 벡터열로부터 복수의 코드워드를 포함하는 코드북을 생성하는 단계를 포함하는, 음성감성 인식 방법
|
| 17 |
17
청구항 16에 있어서, 상기 감성모델을 생성하는 단계는, 상기 코드북을 이용해 상기 음성특징 벡터열을 양자화하여 양자화된 인덱스를 산출하는 벡터양자화 단계를 더 포함하고,상기 인덱스 는 아래 식에 따라 표현되며,여기서, 는 음성특징의 벡터열을, 은 코드북의 각 코드워드를, N은 코드워드의 개수를 나타내는, 음성감성 인식 방법
|
| 18 |
18
청구항 17에 있어서, 상기 양자화된 인덱스로부터 발음속도를 도출하는 단계를 더 포함하고, 상기 발음속도를 계산하는 계산식은 아래와 같으며,여기서, 는 발음속도를, M 은 윈도우 사이즈를, 는 상기 양자화된 인덱스를 나타내는, 음성감성 인식 방법
|
| 19 |
19
청구항 15에 있어서, 상기 입력된 음성의 감성을 판별하는 단계는, 입력되는 음성을 센싱하고 센싱된 음성의 음성특징을 추출하는 단계;상기 추출된 음성특징을 이용해 코드북을 생성하는 단계;상기 생성된 코드북을 이용해 추출된 음성 특징에 대해 벡터양자화를 수행하는 단계; 벡터양자화된 음성 특징으로부터 순간발음속도를 계산하는 단계; 및상기 순간발음속도로부터 감성특징벡터를 추출하는 단계를 포함하는, 음성감성 인식 방법
|
| 20 |
20
청구항 15에 있어서, 상기 감성 모델은, 음성특징과 관련된 MFCC(Mel-frequency Cepstral Coefficient) 특징의 차수, 코드북의 크기, 발음속도계산 방법, 발음속도 계산의 윈도우 사이즈, HMM(Hidden Markov model) 모델의 상태의 수, 및 상태별 GMM(Gaussian Mixture Model)의 수 중 적어도 하나가 파라미터로 설정되는 모델인, 음성감성 인식 방법
|
