東芝開發(fā)出語音區(qū)分技術(shù)，可快速區(qū)分10余人的聲
東芝開發(fā)出了可用于會議記錄等的語音區(qū)分軟件技術(shù)。該軟件技術(shù)應(yīng)用于開會等場合時，可以準確區(qū)分出10余人的聲音。軟件可在筆記本電腦及平板終端等移動產(chǎn)品上運行，只要有普通的立體聲麥克風就可以使用。該技術(shù)將在2014年9月3～5日于日本札幌市舉行的日本音響學(xué)會2014年秋季研究發(fā)布會上發(fā)布。
此次開發(fā)的新技術(shù)結(jié)合“輸入聲音的特點”和“說話人的方位信息”來區(qū)分聲音。利用聲音特點區(qū)分聲音時，如果說話的人數(shù)增多，聲音的特點會隨之增多，難以區(qū)別。東芝為解決該問題設(shè)計的方法是結(jié)合說話人的方位信息。就是根據(jù)多個麥克風所錄音的相位差來推斷說話人所在的方位。根據(jù)這一信息來提高分辨的準確度。
對此，存在的問題是需要特殊指向性的麥克風；推斷方位的處理量大、計算成本高等。另外，由于難以區(qū)分位于同一方位的不同說話人，有時也會影響分辨性能。
為此，東芝此次開發(fā)出了使用普通立體聲麥克風的快速且準確的方位推斷算法和不影響分辨性能的組合算法。比如，使用配備Core i7（最大工作頻率為2.7GHz）CPU和4GB主存的個人電腦，普通會議（參與者為10人左右）在錄音結(jié)束后5秒左右就能完成分辨處理。分辨成功率（能否準確區(qū)分說話人聲音）方面，原方法為50%左右，而新技術(shù)達到了70%以上。
新技術(shù)計劃在2014年度內(nèi)完成。將嵌入到會議記錄輔助軟件等產(chǎn)品中。新技術(shù)不含語音轉(zhuǎn)換（如將內(nèi)容做成文字數(shù)據(jù)）功能，所以有可能與該公司的語音識別技術(shù)配套提供。
（元器件交易網(wǎng)）
