Sprachsynthese und Spracherkennung

Transkript

1 90 Sprachsynthese und Spracherkennung von John N. Holmes Mit 51 Bildern und 69 Übungen mit Lösungshinweisen R. Oldenbourg Verlag München Wien 1991

2 INHALT Vorwort 11 1 Lautsprachliche Kommunikation Die Bedeutung gesprochener Sprache für die Kommunikation zwischen Mensch und Maschine Gedanken und Sprache Das Verhältnis von geschriebener und gesprochener Sprache Phonetik und Phonologie Das akustische Signal Phoneme, Phone und Allophone Vokale und Konsonanten Phoneme und Orthographie Prosodische Merkmale Sprache, Akzent und Dialekt Die Ergänzung des akustischen Signals Die Komplexität der Sprachverarbeitung 26 Zusammenfassung 26 Übungen 28 2 Mechanismen und Modelle der Sprachproduktion 29 ^2.1 Einführung 29 /2.2 Schallquellen Das Resonanzsystem Interaktion zwischen der Funktion von Kehlkopf und Vokaltrakt Schallabstrahlung Zeitsignale und Spektrogramme Sprachproduktionsmodelle Anregungsmodelle 51

3 2.7.2 Vokaltraktmodelle 53 Zusammenfassung 59 Übungen 61 3 Mechanismen und Modelle des menschlichen Gehörs Einleitung Physiologie des Außen-und Mittelohres Der Aufbau der Cochlea Neuronale Verarbeitung Psyd&o-physikalische Messungen Analyse von einfachen jind komplexen Signalen Modelle des Gehörs.! Mechanische Filterung Modelle der neuronalen Übertragung Neuronale Verarbeitung auf höherer Ebene 75 Zusammenfassung 76 Übungen 77 4 Digitale Codierung gesprochener Sprache Einführung Einfache Signalformcodierung Pulscodemodulation Delta-Modulation Analyse/Synthese-Systeme (Vocoder) Kanalvocoder LPC-Vocoder Formantvocoder Effiziente Codierung der Parameter Zwischensysteme Teilbandcodierung Adaptive Transformationscodierung Auf linearer Prädiktion basierende Methoden Die Wahl des Codierers 99 Zusammenfassung 99 Übungen Sprachausgabe mit gespeicherter menschlicher Sprache Einführung Die Verknüpfung von Sprachsignalen Die Verknüpfung von vocoder-generierten Wörtern 106 6

4 5.4 Die Verknüpfung von Einheiten unterhalb der Wortebene Hardware-Anforderungen 110 Zusammenfassung 111 Übungen Regel-basierte Sprachsynthese Einführung Akustisch-phonetische Regeln Reepfn für Formantsynthetisatoren Tabellengesteuerte phonetische Regeln Optimierung phonetischer Regeln Regeln für verschiedene Sprechertypen Intensitätsregeln Dauerregeln Grundfrequenzregeln Regeln zur Textanalyse Graphem-Phonem-Konversion Betonungsbestimmung Vorverarbeitung von Zahlwörtern, Abkürzungen, etc Hardware-Implementation Fähigkeiten der gegenwärtigen Regelsysteme 137 Zusammenfassung 137 Übungen Spracherkennung durch Mustervergleich ganzer Wörter Allgemeine Prinzipien Abstandsmaße Filterbankanalyse Pegelnormierung Andere einfache, auf dem Spektrum basierende Abstandsmaße Analyse durch lineare Prädiktion Analyse auf der Basis von Modellen auditorischer Perzeption Ende-Erkennung bei isolierten Wörtern Erlaubte Variationen im Zeitablauf Dynamische Programmierung für die Zeitanpassung 151 *7.6 Verfeinerte Anwendungen der DP beim Vergleich isolierter Wörter Begrenzung des Vergleichs Zulässige Fehler am Wortende Analyse mit variabler Frame-Rate Erweiterung der dynamischen Programmierung auf Wortketten Erkennung kontinuierlicher Sprache Syntaktische Beschränkungen 166

5 7.13 Trainingsphase eines Erkennungssystems Sprecher-unabhängige Spracherkennung Auswirkungen des Hintergrundgeräuschs 169 Zusammenfassung 170 Übungen Stochastische Modelle für die Worterkennung Berücksichtigung der Merkmalsvariabilität beim Mustervergleich Einföhrung in die Hidden-Markov-Modelle Berechnung der Wahrscheinlichkeiten in Hidden-Markov-Modellen Der Viterbi-Algorithm-us Parameter-Abschätzung für Hidden-Markov-Modelle Vor-und Rückwärtswahrscheinlichkeiten Auswahl von Startwerten Folgen von zu kleinem Trainingsmaterial (Teil 1) Vektorquantisierung Multivariate kontinuierliche Verteilungen Abschätzung von Normalverteilungen nach Baum-Welch Modellierung der zeitlichen Dauer in Hidden-Markov-Modellen Gebrauch von Normalverteilungen im Viterbi-Algorithmus Praktische Probleme bei der Berechnung Folgen von zu kleinem Trainingsmaterial (Teil 2) Erweiterung von Hidden-Markov-Modellen auf Wortketten 200 Zusammenfassung 201 Übungen Spracherkennung bei sehr großem Vokabular Probleme bei der Erweiterung der Spracherkennungsmethoden für kleines Vokabular Sprachtranskription und Sprach Verständnis Phonetische Merkmale Expertensysteme Erkennung phonetischer Merkmale mit statistischen Methoden Segmentgitter Bottom-up und top-down Verfahren Einsatz von Hidden-Markov-Modellen für große Vokabulare Die IBM-Diktiermaschine Berücksichtigung der Koartikulation Regel-basierte Synthese als ein Modell der Spracherkennung 218 Zusammenfassung 219 Übungen 220

6 10 Zukünftige Forschungsrichtungen für Sprachsynthese und Spracherkennung Einleitung Sprachsynthese Automatische Spracherkennung Die Beziehung zwischen Synthese und Erkennung Parallele verteilte Verarbeitung Das menschliche Gehirn Konnektionistische Modelle Bedeutende Eigenschaften der PDP-Modelle PDP und Sprachverarbeitung 233 Zusammenfassung 234 Übungen v Weiterführende Literatur 236 Literaturverzeichnis 242 Lösungen der Übungsaufgaben 246 Sachregister 253