マルチモーダル音声認識評価環境（CENSREC-1-AV）

• Material Type: 文書・図像類
• Title: マルチモーダル音声認識評価環境（CENSREC-1-AV）
• Author/Editor: (社)情報処理学会 音声言語情報処理研究会 雑音下音声認識評価ワーキンググループ; Noisy Speech Recognition Evaluation Working Group, Special Interest Group on Spoken Language Information Processing, Information Processing Society of Japan (IPSJ); 北岡 教英（代表著作権者）; Copyright holder: Norihide Kitaoka
• Author Heading: (社)情報処理学会 音声言語情報処理研究会 雑音下音声認識評価ワーキンググループ; Noisy Speech Recognition Evaluation Working Group, Special Interest Group on Spoken Language Information Processing, Information Processing Society of Japan (IPSJ); 北岡 教英（代表著作権者）; Copyright holder: Norihide Kitaoka
• Publication, Distribution, etc.: 国立情報学研究所 音声資源コンソーシアム (NII-SRC)
• Publication Date: 2011-06-29
• Publication Date (W3CDTF): 2011-06-29
• Alternative Title: Audio-Visual Speech Recognition Evaluation Environment (CENSREC-1-AV)
• Text Language Code: jpn
• Subject Heading: 音声コーパス; Speech Corpus
• Target Audience: 一般
• Note (General): 音声と口唇動画像を用いたバイモーダル音声認識用データ ・発話内容はCENSREC-1に準拠（連続数字1～7桁の読み上げ） ・音声とともにカラー映像と近赤外線映像を収録し，ムービーを時系列画像に分解して口唇付近のみ切り出した画像データを含む ・学習データ - オフィス環境で収録したクリーン音声・画像データ - 計3,234発話 ・テストデータ - 学習データと同じ環境の音声・画像データ - 同梱スクリプトにより生成される音声・画像データ 音声：乗用車走行雑音を重畳（雑音2種類，SNR6種類） 画像：走行中の乗用車内を明度値のガンマ補正によりシミュレート - 計1,963発話上記音声・画像データを対象とした音声認識実験を評価するための評価ツール; Common platform for evaluating independently speech recognition accuracy and speech interval detection under noisy environment.An evaluation corpus for audio-visual speech recognition of continuously spoken single digits in Japanese.The digit sequence of each utterance and the pronunciation of Japanese digits are the same as the CENSREC-1 (AURORA-2J) database.Including color and infrared mouth images, which were recorded simultaneously with speech. *Training data - Clean audio and visual data in an office environment - 3234 utterances in total *Test data - Clean audio and visual data in the office environment - Noisy data generated by baseline scripts > Audio: added two types of noise, driving on city streets and driving on expressway, at six different SNR levels > Image: simulated driving conditions using Gamma transform - 1963 utterances in total; 音声：WAV形式（16kHz・16bit・Mono）; 画像：Windows BMP形式（横81ピクセル×縦55ピクセル，口唇付近のみ） カラー画像-24bitRGB／近赤外線画像-8bitグレースケール
• DOI: 10.32130/src.CENSREC-1-AV
• Access Restrictions: 限定公開
• Related Material: https://research.nii.ac.jp/src/CENSREC-1.html; https://research.nii.ac.jp/src/CENSREC-1-C.html; https://research.nii.ac.jp/src/CENSREC-2.html; https://research.nii.ac.jp/src/CENSREC-3.html; https://research.nii.ac.jp/src/CENSREC-4.html; https://research.nii.ac.jp/src/en/CENSREC-1.html; https://research.nii.ac.jp/src/en/CENSREC-1-C.html; https://research.nii.ac.jp/src/en/CENSREC-2.html; https://research.nii.ac.jp/src/en/CENSREC-3.html; https://research.nii.ac.jp/src/en/CENSREC-4.html; https://research.nii.ac.jp/src/CENSREC-1-AV.html; https://research.nii.ac.jp/src/en/CENSREC-1-AV.html
• Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• Original Data Provider (Database): 国立情報学研究所 データセット共同利用研究開発センター : 国立情報学研究所 DSCリファレンスポータル

Table of Contents

https://www.nii.ac.jp/dsc/idr/speech/submit/CENSREC-1-AV.html

https://research.nii.ac.jp/src/register.html

https://research.nii.ac.jp/src/en/register.html