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

37999. Українсько - Австрійські двосторонні відносини 71.17 KB
  На відміну від багатьох інших західних держав Австрія не чекаючи референдуму 1 грудня одразу ж стала розвивати політичні контакти з українським керівництвом. З часом у розвитку політичних відносин настав певний спад відчувалася їх явна стагнація що значною мірою позначилося і на інших сферах зокрема на розбудові договірноправової бази: Україна і Австрія вирішували ряд важливих для себе проблем внутрішнього і зовнішнього характеру. У рамках саміту глав урядів країнчленів ЦЄІ у листопаді 1996 року у Граці Австрія відбулась зустріч і...
38000. Медико-тактическая характеристика очагов поражения при авариях на АЭС 99 KB
  Ядерная энергия основана на использовании трех делящихся радионук-лидов: уран-235 - естественный элемент, два других - плутоний-239 и уран-233 получают искусственным путем в процессе ядерного топливного цикла. На всех этапах ядерного топливного цикла, начиная с добычи урановой руды, её обогащения
38001. ИЗУЧЕНИЕ ОСНОВНЫХ ЗАКОНОВ ФОТОЭФФЕКТА И ИЗМЕРЕНИЕ ПОСТОЯННОЙ ПЛАНКА 68.4 KB
  Введение Постоянная Планка h играет в квантовой физике такую же роль как скорость света с в релятивистской физике. В начале XX века была создана так называемая старая квантовая теория в основе которой лежат гипотеза Планка о дискретном характере испускания и поглощения света осциллятором введенное Эйнштейном представление о квантах света фотонах и его уравнение фотоэффекта построенная Бором теория простейших атомов. Внешний фотоэффект Фотоэффектом называется освобождение полное или частичное электрона от связей с атомами и...
38002. ИЗУЧЕНИЕ ЗАКОНОВ ТЕПЛОВОГО ИЗЛУЧЕНИЯ 312.5 KB
  Краткие теоретические сведения Для абсолютно чёрного тела АЧТ т. тела для которого поглощательная способность справедлив закон Стефана Больцмана: 1 где R энергетическая светимость полная или интегральная испускательная способность характеризующая тепловое излучение тела а Т его температура постоянная СтефанаБольцмана. В то же время для любого тела где испускательная способность тела. В соответствии с законом Кирхгофа 2 а определяется формулой Планка: 3 Спектр теплового...
38003. ИЗУЧЕНИЕ СПЕКТРА АТОМА ВОДОРОДА 1.03 MB
  состоят из отдельных узких спектральных линий. Частоты длины волн и интенсивности спектральных линий определяются строением излучающего атома и являются строго индивидуальными каждый сорт атомов имеет только ему присущий спектр. Частоты линий этой серии определяются формулой 3 Спектральные линии серии Бальмера принято обозначать буквой H с индексом в порядке возрастания числа n и соответственно уменьшения длины волны λ : и т. В данной работе измеряются длины волн нескольких бальмеровских линий атомарного водорода их...
38005. ОПРЕДЕЛЕНИЕ ФОСФОРА ПО РЕАКЦИИ ОБРАЗОВАНИЯ ГЕТЕРОПОЛИКОМПЛЕКСА 42.5 KB
  I Повторите по лекционному конспекту и учебникам [I 2] материал о реакции образования ГПК их устойчивости и оптическим свойствам. Определение фосфора и кремния по реакции образования их ГПК является важнейшим а для малых количеств практически единственным способом определения. ГПК имеют формулу вида ЭхОу nМezОt в случае двойных комплексов где Me = Mo V W и другие металлы образующие лиганд анионного характера; Э= Р Si s Ge неметалл.
38006. ОПРЕДЕЛЕНИЕ СОСТАВА КОМПЛЕКСНЫХ СОЕДИНЕНИЙ МЕТОДОМ НАСЫЩЕНИЯ 42 KB
  При этом выход единственного комплекса увеличивается соответственно увеличивается и оптическая плотность раствора измеренная на длине волны максимального поглощения комплекса. Точка пересечения прямых соответствует стехиометрическому соотношению СR CM = M n для комплекса состава MnRM. В случае образования малопрочного комплекса точку пересечения находят экстрополяцией линейных участков кривой. Применяется в тех случаях когда мы не можем надежно определить точку излома малопрочный комплекс побочные процессы при насыщении сдвиг рН...
38007. Изучение устойчивости комплексного соединения в растворе при разбавлении и при введении посторонних веществ 197.5 KB
  Теоретическое введение Предположим что мы определяем металл М по фотометрической реакции М iR = MRi измеряя поглощение образующегося комплекса на длине волны λ остальные компоненты и комплексы М и с R стехиометрии на этой длине не поглощают. МRi = βRi [R]` φ Обозначая индексами Л и П величины относящиеся соответственно к пробе и эталону запишем : `MRi = ``MRi...