Automatische Spracherkennung mit hybriden akustischen Modellen

Das akustische Modell eines Spracherkenners basiert auf Methoden der statistischen Mustererkennung, um eine parametrische Reprasentation der gesprochenen Auserung zu ermoglichen. Zusammen mit einer Vorverarbeitung zur Datenreduktion, einem Worterbuch zur orthografisch korrekten Darstellung und einem Sprachmodell zur Eingrenzung wahrscheinlicher Worte ist das akustische Modell das Kernelement des Dekoders zur Konvertierung gesprochener Sprache in geschriebenen Text. Diese Arbeit beschreibt als Schwerpunkt die Elemente eines hybriden akustischen Modells mit verbundenen Auftrittswahrscheinlichkeiten (TP, engl. tied-posteriors) bestehend aus einem statischen Klassifikator und Hidden-Markov-Modellen (HMM). Vorteile des TP-Ansatzes sind eine grose Flexibilitat, sowie eine niedrigere Wortfehlerrate bei relativ wenigen, zu trainierenden Parametern. Als Beispiele fur geeignete statische Klassifikatoren werden neuronale Netze mit und ohne Ruckkopplung und Support-Vektor-Maschinen ausfuhrlich vorgestellt. Zur Verbesserung dieser neuronalen Netze sind neben der Phonem-, bzw. HMM-Zustandsklassifikation, Zusatzaufgaben parallel trainiert worden. Es hat sich als vorteilhaft herausgestellt, wenn zusatzlich das Geschlecht des Sprechers klassifiziert wird, da diese Aufgabe einfach zu lernen und unabhangig von der Lautklassifikation ist. Die Verwendung von SVM kann bisher nur bei sehr kleinem Vokabular (11 Zahlworter) evaluiert werden, da die Klassifikation mit mehreren SVM bislang sehr viel Rechenzeit erfordert. Dennoch lassen sich einige positive Tendenzen dieses Systems besonders bezuglich der Robustheit gegenuber Gerauschen erkennen. Neben den sprecherunabhangigen Systemen werden weiterhin Moglichkeiten prasentiert, die TP-Modelle an einen einzelnen Sprecher zu adaptieren. Erwahnenswert ist hierbei, das sowohl Parameter des Klassifikators (untersucht worden sind in dieser Arbeit neuronale Netze), als auch Parameter der HMM unabhangig voneinander und mit zusatzlichem Gewinn adaptiert werden konnen. Abschliesend bieten hybride akustische Modelle zusatzliche Anwendungsmoglichkeiten fur die verteilte Spracherkennung, bei der die Komponenten ortlich verteilt arbeiten und uber einen Kanal verbunden sind. Besonders die Flexibilitat bei der Veranderung einzelner Komponenten kann mit Gaus'schen akustischen Modellen nicht erreicht werden.