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

35087. ВАЛЕОЛОГИЯ. Учебник для вузов 2.92 MB
  Так в части требований к уровню подготовленности выпускника педагогического вуза определены следующие условия: владение системой знаний о взаимосвязях физического психического и социального здоровья человека и общества; обладание организационнодеятельностными умениями необходимыми для самоанализа развития своих творческих способностей и повышения квалификации; осознание здоровья как ценности владение знаниями и умениями по охране здоровья и безопасности жизнедеятельности; представление о взаимодействии организма и среды месте...
35088. Формирование лихорадочных реакций в фило- и онтогенезе 74.33 KB
  Интеграция температурных сигналов и температуры самого гипоталамуса формирует эффекторные импульсы проходящие преимущественно по симпатическим нервам и определяющие состояние обмена веществ интенсивность периферического кровообращения дрожь одышку. Особое место в биохимии опухолей занимает изучение обмена углеводов и выработки энергии. Нарушение регуляции обмена веществ основного обмена ТИПИЧЕСКИЕ НАРУШЕНИЯ ОБМЕНА ВЕЩЕСТВ. НАРУШЕНИЯ РЕГУЛЯЦИИ ОБМЕНА ВЕЩЕСТВ Обмен веществ или метаболизм в организме определяется наследственными...
35089. Інформаційне забезпечення юридичної діяльності 3.25 MB
  Вступ В розділах посібника користувачі зможуть отримати поглибленні знання: зі створення інформаційних систем ділового та юридичного призначення у середовищі СУБД MS Access зі створювання електронних шаблонів з полями форм для юридичних та інших документів зі створення серійних документів на основі злиття табличних даних та зразка основного документа зі створювання та використовування макросів для автоматизації підготовки документів у MS Word та MS Excel. До виконання завдань необхідно обов'язково ознайомитися з теоретичними основами баз...
35090. Виды кишечных швов 21.68 KB
  В основе большинства операций на желудочно-кишечном тракте лежит кишечный шов. Под термином кишечный шов подразумевают все виды швов накладываемых на стенку полого органа желудочно-кишечного тракта пищевод желудок кишечник а также и на другие полые органы имеющие брюшинный покров мышечную оболочку подслизистый слой и слизистую оболочку жёлчный и мочевой пузырь. Главные требования к кишечному шву: кишечный шов должен быть прочным т. после наложения шва...
35091. ПРОЕКТ СОЗДАНИЯ МОЛОДЕЖНОГО ТУРА С ВКЛЮЧЕНИЕМ АНИМАЦИОННЫХ ПРОГРАММ В ТУРФИРМЕ «WORLD TRAVEL» 903 KB
  Турфирма World Travel является туроператором организующим преимущественно развлекательные туры за рубеж: в Египет Турцию Болгарию; а также на территории курортных районов России. World Travel обеспечивает высокий уровень обслуживания клиентов благодаря: высокому профессионализму команды; собственным чартерным рейсам; собственному автобусному парку; прямым связям с крупнейшими российскими и зарубежными туристскими фирмами отелями и авиакомпаниями. Турфирма предлагает своим клиентам спектр туристских услуг: отдых экскурсионные...
35092. Расчет главной балки 1.26 MB
  Подбор сечения балки настила. Расчёт главной балки. Компоновка сечения главной балки. Изменение сечения главной балки по длине пролета.
35093. Здоровье ребенка и здравый смысл его родственников 1.91 MB
  Евгений Комаровский ЗДОРОВЬЕ РЕБЕНКА И ЗДРАВЫЙ СМЫСЛ ЕГО РОДСТВЕННИКОВ Я полагаю что мы пришли после других для того чтобы делать лучше их чтобы не впадать в их ошибки в их заблуждения и суеверия. Зачем читать о правилах питания беременной женщины когда у ребенка запор Открываем главу про запор получаем необходимые сведения и с чувством глубокого удовлетворения пытаемся претворить в жизнь советы и рекомендации.
35094. Социальное влияние 6.33 MB
  Вопросы и упражнения Глава 3ВЛИЯНИЕ НА УСТАНОВКИ ЧЕРЕЗ ПОВЕДЕНИЕ:ДЕЙСТВИЯ СТАНОВЯТСЯ УБЕЖДЕНИЯМИ Систематический анализ: активное мышление порождает прочные установки Установки: независимые зависимости Установки переходят в поведение: у последней черты.
35095. Зубчатые передачи. Подрезание профиля зуба. Корригирование зубчатого колеса 340.5 KB
  В машиностроении принято малое зубчатое колесо с меньшим числом зубьев называть шестернёй а большое колесом. Зубчатые колёса обычно используются па́рами с разным числом зубьев с целью преобразования вращающего момента и числа оборотов валов на входе и выходе. А Поперечный профиль зуба Профиль зубьев колёс как правило имеет эвольвентную боковую форму. Однако существуют передачи с круговой формой профиля зубьев передача Новикова с одной и двумя линиями зацепления и с циклоидальной.