75883

Проблеми створення комп’ютерних систем розпізнавання усного мовлення. Методи виділення й упізнавання елементів мови при обробці усного мовлення

Доклад

Иностранные языки, филология и лингвистика

Задача распознавания речи состоит в автоматическом восстановлении текста произносимых человеком слов фраз или предложений на естественном языке. Только в последние десятилетия компьютерная техника достигла такого уровня когда стала осмысленной задача распознавания слитной или даже спонтанной устной речи. На этом этапе выяснилось что для решения задачи распознавания речи недостаточно уметь распознавать отдельные звуки и слова команды с надежностью сравнимой с надежностью распознавания отдельных команд человеком. Поэтому задачу...

Украинкский

2015-01-26

29.83 KB

4 чел.

30. Проблеми створення комп’ютерних систем розпізнавання усного мовлення. Методи виділення й упізнавання елементів мови при обробці усного мовлення.

Задача распознавания речи состоит в автоматическом восстановлении текста произносимых человеком слов, фраз или предложений на естественном языке. К важным практическим задачам, связанным с распознаванием речи, можно отнести разработку систем диктовки текстов, систем речевого управления различными устройствами, систем речевого диалога (например, по телефону). 

Только в последние десятилетия компьютерная техника достигла такого уровня, когда стала осмысленной задача распознавания слитной или даже спонтанной устной речи. На этом этапе выяснилось, что для решения задачи распознавания речи недостаточно уметь распознавать отдельные звуки и слова (команды) с надежностью, сравнимой с надежностью распознавания отдельных команд человеком.

Поэтому задачу распознавания речи естественно разделить на две независимые задачи:

  1.  задачу локального распознавания речи (то есть распознавания отдельной команды)
  2.  задачу восстановления текста слитной речи по множеству возможных гипотез распознавания.

Основными характеристиками современных систем автоматического распознавания речи являются следующие:

  1.  словари размером в десятки и сотни тысяч слов;
  2.  распознавание слитной речи;
  3.  работа в реальном времени;
  4.  возможность работы как с предварительной настройкой на голос диктора, так и без настройки;
  5.  надежность работы 95–98% для грамматически правильных текстов.

Методы локального распознавания речи можно условно раз делить на две большие группы: непараметрические — с использованием непараметрических мер близости к эталонам (к ним можно отнести методы на основе формальных грамматик и методы на основе метрик на множестве речевых сигналов) — и параметрические (вероятностные — на основе метода скрытых марковских процессов, нейросетевые).

Первые устройства автоматического распознавания речи были аналоговыми и использовали пороговую логику, поэтому они не обладали высокой надежностью и были узкоспециализированными.

Следующим этапом стало развитие непараметрических подходов, основанных на мерах близости на множестве речевых сигналов.

В настоящий момент самыми сложными элементами при построении систем распознавания речи являются, как это не покажется странным, не распознающие алгоритмы, а построение акустической модели языка и начальное обучение эталонов слов словаря, чаще всего являющихся вероятностными автоматами. Для настройки параметров языковых моделей и эталонов фонетических единиц языка в качестве основы для обучения необходимы текстовые и речевые базы данных достаточно большого объема. Необходимо тщательно учесть все встречающиеся в современном языке слова и языковые обороты, типы голосов и акцентов, имеющихся у носителей языка.

При автоматизированном распознавании устной речи и рукописного текста на естественных языках возникают проблемы, близкие к проблемам машинного перевода.

То есть, существуют слова, близкие по звучанию, по набору фонем. Например, «шесть» и «шерсть». Человек достаточно легко справляется с различением таких слов за счет понимания контекста, в котором они произнесены, тогда как для компьютерных систем различить такие близкие наборы звуков составляет почти неразрешимую задачу. Следовательно, для распознавания речи нужно не только слышать ее, но еще и понимать о чем идет речь.

Наличие эти проблем обусловлено опять же механистическим подходом к распознаванию фонем и символов – делается попытка распознать их как дискретные элементы, не учитывая семантических взаимосвязей.

Здесь, как и в задаче перевода, проблема распознавания решается отражением семантического пространства для тех гипотез значений, которые наиболее вероятны для звучаний и написаний распознаваемых слов.

Одной из проблем современных систем распознавания является восстановление по распознанным фонемам исходного слова. Это связано с тем, что транскрипция (произношение) каждого слова не обязательно совпадает с его написанием, например лесница, здача, салома и т.д.

Основные методы распознавания речи

Одним из основных подходов, используемых при построении речевых распознавателей, является подход, основанный на обработке акустических сигналов, который опирается на следующее положение: поскольку речевой сигнал является особой формой сигнала (или вектором чисел), то к нему применимы общие методы обработки сигналов (например, анализ частотного спектра Фурье, анализ основных составляющих, процедуры статистических решений и другие математические методы). Эти методы используются для того, чтобы установить идентичность входного сигнала одному из шаблонов.

Использование скрытой Марковской модели

Наиболее часто и успешно при распознавании фонем и слов используется скрытая Марковская модель (НММ - hidden Markov modelling). 

НММ определяется как множество состояний и переходов из одного состояния в другое, то есть конечный автомат. Существует множество начальных и множество конечных состояний. Любая последовательность наблюдений является результатом перехода из одного из начальных состояний в одно из конечных.

НММ можно использовать для представления любой составляющей речевого сигнала – фонем или слов На тестах было доказано, что основанные на этом подходе системы распознавания речи оказались весьма надежными и эффективными.

Преобразования Фурье

Речевой сигнал представляется в виде двумерного спектрального временного образа (СВО), получаемого с помощью быстрого преобразования Фурье.

Результат отражает изменение по времени амплитуд заданных частотных составляющих речевого сигнала и четко выражает особенности речи, что даёт возможность его использовать для автоматического распознавания произносимых пользователем слов. СВО позволяет выделить местоположение резонансных частот, то есть локальных выбросов, что является определяющей особенностью речевого сигнала.

Вейвлет-преобразование

Вейвлет-преобразование сигналов является обобщением спектрального анализа. Вейвлет-анализ можно охарактеризовать как спектральный анализ локальных возмущений. На основе этого метода строится система распознавания речи. Исходный речевой сигнал сегментируется на фонемы и для каждого сегмента находится скелетон. Средний коэффициент распознавания составляет 73%.

Метод нечёткого сопоставления речевых образов

Для распознавания изолированных слов, нормализованных по времени, часто применяется метод нечёткого сопоставления с эталоном. Эталонные образы для каждого слова словаря формируются как среднее арифметическое различных вариантов произношения данного слова.

Разработанные методы позволяют идентифицировать слова из ограниченного словаря, произнесенные произвольным диктором. Независимость от диктора дает возможность на основе разработанных методов строить системы речевого управления прикладными программами. Ошибка распознавания при словаре в 200 слов не превышает 2 %


 

А также другие работы, которые могут Вас заинтересовать

69100. Моделирование реляционной БД 703.5 KB
  Описание систем в виде объектов и взаимоотношений Модель реляционной базы данных Нормальные формы Введение В материалах предыдущей лекции были рассмотрены основные понятия связанные с архитектурой БД ORCLE. В частности: Определение СУБД; Основное назначение БД; Категории файлов данных.
69101. Базы знаний. Введение в интеллектуальные системы 211 KB
  Существенный вклад в становление новой науки внесли ее пионеры: Маккарти автор первого языка программирования для задач ИИ ЛИСПа Минский автор идеи фрейма и фреймовой модели представления знаний Ньюэлл Саймон Шоу Хант и другие.
69102. Локалізація імен. Різновиди параметрів. Процес виклику підпрограм 89.5 KB
  Один з ефективних способів створення великих програм, технологія низхідного проектування, полягає в їх конструюванні за принципом «розділяй і пануй»: програма розглядається як набір маленьких фрагментів, кожний з яких виконує певну логічно завершену дію, може бути виконаний декілька...
69103. Рекурсія. Рекурсивні означення та підпрограми 104.5 KB
  Кожний ідентифікатор у програмі характеризується областю дії імені або областю видимості. Область видимості ідентифікатора - це область программ, в якій можна посилатися на даний ідентифікатор. У мові Раsсаl припускається довільна послідовність і кількість розділів, в яких іменуються ті чи інші об’єкти.
69104. Ініціалізація графічного режиму 52 KB
  Відеоадаптер персонального комп’ютера може працювати в одному із двох режимів - текстовому або графічному. У текстовому режимі на екрані дисплея відображаються лише символи. У графічному режимі мінімальним елементом зображення на екрані дисплея є піксел, або графічна точка.
69105. Графічні процедури й функції 80 KB
  Використання інших кольорових відтінків вимагає доволі складної техніки керування кольоровими палітрами, але її розгляд не належить до кола завдань даного підручника. Синтаксис процедур і функцій, що встановлюють кольори ліній і фону, наведено в табл. 5.1. Зазначимо, що установка кольору впливає...
69106. Побудова графіків функцій. Претворення координат і об’єктів 63 KB
  Для зображення графіка слід перевести логічні координати його точок у їх екранні еквіваленти. 3 урахуванням того що центр логічної системи координат збігається із центром екрана а також того що напрям екранної вісі ординат є зворотним до напряму логічної вісі ординат отримаемо таку формулу...
69107. Анімаційні ефекти 46.5 KB
  Найпростіший спосіб реалізації цього ефекту полягає в тому щоб намалювати зображення певним кольором а потім приховати його шляхом повторного малювання в тих самих графічних координатах кольором фону. Наступного разу зображення відтворюється вже в нових координатах.
69108. Фрактальні зображення 49.5 KB
  Залежно від початкових умов функція що описує таку систему перетворень може наблизитися до нескінченності збігтися до певного скінченного числа числового діапазону або нескінченно варіюватися у певному діапазоні. Множина Мандельброта визначається таким рівнянням...