Transcription de la parole conversationnelle

Cet article decrit le developpement d'un systeme de reconnaissance de la parole conversationnelle, a partir d'un systeme a l'etat de l'art pour la transcription d'emissions d'information. Nous decrivons les principales ameliorations apportees aux modeles acoustiques, aux modeles linguistiques et au decodeur. Pour la modelisation acoustique, nos travaux ont porte sur l'introduction d'une normalisation par locuteur, le recours a des techniques d'apprentissage adaptatif et d'apprentissage discriminant, et une meilleure prise en compte des variantes de prononciation. Pour la modelisation linguistique, la principale difficulte vient de la faible quantite de donnees d'apprentissage disponible. Nous introduisons deux techniques permettant de diminuer l'impact de cette situation sur les performances du systeme: la selection de textes de nature conversationnelle et un modele representant les mots dans un espace continu. La transcription est obtenue en effectuant un decodage par consensus sur un treillis de mots. Ces ameliorations ont permis de reduire le taux d'erreur de 51 % a 21 %.