CAJ | 학술논문

为实现听觉/视觉驱动的说话人头部动画,该文给出了一个基于viseme(说话时的基本嘴形单位)的连续语音识别系统.它训练viseme隐马尔可夫模型(HMM),识别语音为viseme图像序列.建模采用triseme的概念来考虑viseme的上下文相关性,但它需要超大量的训练数据.该文根据viseme图像及其相似度权值(VSW)定义视觉问题集,用来建立triseme决策树,以实现triseme的状态捆绑及HMM参数共享.为比较系统性能,基于phoneme(听觉领域的语音基本单位)的语音识别结果也被映射为viseme序列.在评价准则上,定义viseme图像相似度加权识别精度,更全面地考虑输出和参考图像序列的差别,并用嘴形圆度和VSW曲线中的突变点来评估所得viseme序列的平滑性.结果表明,基于viseme的语音识别系统能给出更平滑和合理的嘴形图像序列.
위실현은각/시각구동적설화인두부동화,해문급출료일개기우viseme(설화시적기본취형단위)적련속어음식별계통.타훈련viseme은마이가부모형(HMM),식별어음위viseme도상서렬.건모채용triseme적개념래고필viseme적상하문상관성,단타수요초대량적훈련수거.해문근거viseme도상급기상사도권치(VSW)정의시각문제집,용래건립triseme결책수,이실현triseme적상태곤방급HMM삼수공향.위비교계통성능,기우phoneme(은각영역적어음기본단위)적어음식별결과야피영사위viseme서렬.재평개준칙상,정의viseme도상상사도가권식별정도,경전면지고필수출화삼고도상서렬적차별,병용취형원도화VSW곡선중적돌변점래평고소득viseme서렬적평활성.결과표명,기우viseme적어음식별계통능급출경평활화합리적취형도상서렬.