Attelage de systèmes de transcription automatique de la parole

Nous abordons, dans cette these, les methodes de combinaison de systemesde transcription de la parole a Large Vocabulaire. Notre etude se concentre surl’attelage de systemes de transcription heterogenes dans l’objectif d’ameliorerla qualite de la transcription a latence contrainte. Les systemes statistiquessont affectes par les nombreuses variabilites qui caracterisent le signal dela parole. Un seul systeme n’est generalement pas capable de modeliserl’ensemble de ces variabilites. La combinaison de differents systemes detranscription repose sur l’idee d’exploiter les points forts de chacun pourobtenir une transcription finale amelioree. Les methodes de combinaisonproposees dans la litterature sont majoritairement appliquees a posteriori,dans une architecture de transcription multi-passes. Cela necessite un tempsde latence considerable induit par le temps d’attente requis avant l’applicationde la combinaison.Recemment, une methode de combinaison integree a ete proposee. Cettemethode est basee sur le paradigme de decodage guide (DDA :Driven DecodingAlgorithm) qui permet de combiner differents systemes durant le decodage. Lamethode consiste a integrer des informations en provenance de plusieurs systemes dits auxiliaires dans le processus de decodage d’un systeme dit primaire.Notre contribution dans le cadre de cette these porte sur un double aspect : d’une part, nous proposons une etude sur la robustesse de la combinaison par decodage guide. Nous proposons ensuite, une amelioration efficacement generalisable basee sur le decodage guide par sac de n-grammes,appele BONG. D’autre part, nous proposons un cadre permettant l’attelagede plusieurs systemes mono-passe pour la construction collaborative, a latencereduite, de la sortie de l’hypothese de reconnaissance finale. Nous presentonsdifferents modeles theoriques de l’architecture d’attelage et nous exposons unexemple d’implementation en utilisant une architecture client/serveur distribuee. Apres la definition de l’architecture de collaboration, nous nous focalisons sur les methodes de combinaison adaptees a la transcription automatiquea latence reduite. Nous proposons une adaptation de la combinaison BONGpermettant la collaboration, a latence reduite, de plusieurs systemes mono-passe fonctionnant en parallele. Nous presentons egalement, une adaptationde la combinaison ROVER applicable durant le processus de decodage via unprocessus d’alignement local suivi par un processus de vote base sur la frequence d’apparition des mots. Les deux methodes de combinaison proposeespermettent la reduction de la latence de la combinaison de plusieurs systemesmono-passe avec un gain significatif du WER.