elektronische Medien (Fach) / Spracherkennung (Lektion)

Diese Lektion wurde von lucillenerea erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Anwendung Spracherkennung intuitiver, einfacher Umgang per Sprachsteurerung Gerätesteuerung über Kommandos Diktiergeräte Sprachdialogesysteme (Siri) Sprachübersetzungssysteme Schlüsselworterkennung (Archive) Sprechervertifikation bei Zugangakontrollsystemen
• Probleme der Spracherkennung keine Pause zw. den Wörtern, Verschmelzungen der Wörter Aussprachevariationen (Dialekt, Auslassung/Ersetzen von Lauten, Koartikulation(Beeinflussung von Lauten durch Nachbarn) Unterschiedliche Tonhöhen (z.B zw. Mann/Kinder/Frauen) Formantenunterschiede bei den Vokalen (Unterschiede Mann/Frau) Variation des Sprachrythmus Hintergrundgeräusche (spek. Maxima geht unter) Lombart-Effekt (Veränderung der Sprechweise in lauter Umgebung)
• Lombart-Effekt Stimmintensität nimmt zu bei lauten Hintergundgeräuschen Ansteige der Fo Zunahme der Wortdauer Modifikation der Formantenfrequenzen stärker gepresste Stimmhaftigkeit verständlicher als stille Sprache- psy. Reflex
• Zeitbereich für die Erkennung häufig zu unterschiedlich andere Charakteristik werden häufig verwendet statt zeitlicher Verlauf trotzdem: enthält mehr Informationen als angenommen Shannon-Experiment: strake Reduzierung der spek. Information von Sprache --> 80% Erkennung bei Rhytmus gefüllt mit Rauschen
• stationär statistische Eigenschaften, ändern sich nicht
• Frequenzbereich bei der Spracherkennung Fourieranalyse z.b als Werkzeug ?
• Kurzzeit Spektralanalyse Merkmalsverktoren auf Basis der Kurzzeit-Spek.info in Fenster/Frames gebildet über das Sprachsignal überlappend
• visueller EInfluss auf Höreindruck Lippenlesen bei lauter Umgebung virtuelle Avatare nutzen das (natürliche Sprachsynthese) McGurk-Effekt: bimodalen Effekt der Spracherkennung aus ba wird da
• Schritte der Merkmalvektorenberechnung Abtastwerte Hamming gefenstertes Betragsquadrat-Spektrum Mel-skalierte Filterbank Logarithmus Dekorrelation Langzeit-Kanalnomierung zeitliche Steigung
• Worterkennung mit dyn. Zeitverzerrung Vergleich der gesprochenen Merkmalsvektoren und Referenzmuster geeignetes Abstandmass zwischen Folgen von MV gefunden werden Ausgleich des Längenunterschieds
• Anzeige
• Probleme bei der Zeitverzerrung linare Stauchung/Streckung nicht möglich Auswirkung auf die Frequenzen (Mickey-Mouse) Laute werden verzerrt bei veränderten Sprachgeschwindigkeit Lösung: dyn. Zeitverzerrung um MVFolge mit Referenz anzunähern --> Unterschiede verkleinern für bestmögliche Übereinstimmung
• Zuordnung- Matching- von MV Mehere Vektoren  dürfen auf denselben Referenz-Vektor abgebildet werden ein R-Vektor darf auch keinem Vektor von unbekannt zugewiesen sein dabei darf nicht mehr als 1 R-V übersprungen werden Zuordnung muss monoton sein (zeitliche Reihnfolge muss gleich bleiben) erste und letzter Vektor von unbek. muss auf R-V. abgebildet werden
• Regeln bei der Graphensuche jeder Punkt im Diagramm ist ein Graphknoten, Koo: Vektorpaar aus R-V und unbek. V Knoten hat  Kosten --> aus dem Berechnet man die Abstände zugeordneter Vektoren Kosten eines Pfad= Summe aller Knoten --> Ziel: Kosten gering halten: Gesamtabstand zum Referenzmuster gering --> Suche nach dem günstgem Weg
• dynamische Programmierung Ablauf, Grundprinzip Initalisierung /Vorbereitung : Berechung der Kosten für die Knoten (=Abstandsmaß) Iteriere über Spalten: Suche der billigsten Vorgängerknoten, Addition der Knotenabstände Rückwärtszeiger verfolgen Gitter wird von links nach rechts durchlaufen, zeitsynchrone Suche möglich, in dem ein neuer Merkmalsvektor direkt verarbeitet werden kann, sobald er berechnet wurde
• Wie kann man die dyn. Programmierung verbessern? z.b Wort im Vokabular einsetzt statt mehere Refernez-Vektoren das gleiche Wort von versch. Sprechern mit unterschiedlichen Sprechgeschwindigkeiten unter. Ausprachevarianten mit unter. Mikrophonen Rechenaufwand steigt proportional zur Anzahl der Refernz-Vektorfolgen --> berchnet "durchschnittliche R-Vektorfolge"=akustisches Wortmodell=> Hidden Markov Modell
• Was macht man die Mermalsvektoren nicht die gleiche Länge haben? um die Mittelung auszurechnen? normal: Mittelwert der jeweiligen Wert in den Vektoren ausrechnen Viterbi-Algorithmus: schrittweise in wiederholenden Rechenvorgängen sich der exakten Lösung annähern Berechung der ersten "durchschnittliche" Folge (initiales akustistisches Modell) durch lineare Segmentierung aller Referenzfolgen auf eine mitt. Länge zuordnung aller Refernz-Vekorfolgen zum aktuellen akustitischen Wortmodell durch dyn.Programmierung Neuschaätzung des akust- Modells durch die Berechnung der Mittelwerte aller Refernzvektoren, de den jeweilgen ModellV. zugeordnet wurden weiter mit 2 bis ein Abbruchskriterium erfüllt ist Vorteil: Verbesserung der Abstandsberechung durch Berücksichtigung der Varianzen
• Klassifikation • im einfachsten Fall gibt es eine Menge von Vergleichsmustern, die jeweils einfachen Wörtern (Kommandos) entsprechen • natürlich werden auch diese einfachen Wörter sehr unterschiedlich gesprochen • einzelne Laute im Wort sind etwas kürzer oder gedehnter • Um gerade dieses Phänomen in den Griff zu bekommen, bedient man sich z.B. der nichtlinearen Zeitanpassung
• Hamming-Fenster und Betragsquadrat-Spektrum Gewichtung soll harten Kanten beim Abschneiden der Abschnittsgrenze der Fenster vermeiden Leistungsdichte- Spektrum durch Betragsbildung geht dir irrelevante Phaseninformation verloren da die Kooeffizienten der DFT in  konjugiert komplexen Paar aufterten
• Mel-skalierte Filterbank Logarithmierung Auflösung 0-4kHZ nicht erfoderlich --> Orientierung an mensch. Gehör tiefe Frequenzen besser gehört werden als hohe sind--> Intervalle unterschiedlich breit Tonhöhenempfindung subjektiv: je höher F. --> desto breiter Logarithmieren der Filterbank-Ausgangsvektoren Glättung: Reduzierung der Größenunterschiede zwisch. tiefen und hohen Frequenzen

zurück  |  weiter 1 / 1