電視新聞語料場景的自動切割與分類

在本篇論文中，我們提出場景自動切割與分類的演算法，我們將一小時新聞分成為四種場景：新聞主播報導（Anchor Reporting）、現場採訪報導（Live Reporting）、氣象主播報導（Weather Anchor Reporting）與廣告（Commercials）。我們擷取了時域與頻域的特徵值用以描述場景的特性，並使用高斯混合模型（Gaussian Mixture Model）當作場景分類器。場景切割的策略有兩種：（1）每秒移動策略、（2）快速策略。每秒移動策略，是利用每次移動一秒，並觀察3秒的聲音去決定場景的轉換點，效能評估方面，其Deletion Rate為5.56%，Insertion Ration為5.56%。由於上述的方法耗費計算的時間較久，因此我們也開發了一套快速策略，其Deletion Rate為2.27%，Insertion Ration為5.4%。在場景分類方面，我們使用了MFCC、LSTER、HZCRR、SF與MFS去將經過真實轉換點切割出的一段段聲音去作分類，可以達到92.5%的平均正確率。