Contributions à la reconnaissance automatique de la parole non-native

La RAP non native souffre encore d'une chute significative de precision. Cette degradation est due aux erreurs d'accent et de prononciation que produisent les locuteurs non natifs. Les recherches que nous avons entreprises ont pour but d'attenuer l'impact des accents non natifs sur les performances des systemes de RAP. Nous avons propose une nouvelle approche pour la modelisation de prononciation non native permettant de prendre en compte plusieurs accents etrangers. Cette approche automatique utilise un corpus de parole non native et deux ensembles de modeles acoustiques: le premier ensemble represente l'accent canonique de la langue cible et le deuxieme represente l'accent etranger. Les modeles acoustiques du premier ensemble sont modifies par l'ajout de nouveaux chemins d'etats HMM. Nous avons propose une nouvelle approche pour la detection de la langue maternelle basee sur la detection de sequences discriminantes de phonemes. Par ailleurs, nous avons propose une approche de modelisation de prononciation non native multi-accent permettant de prendre en compte plusieurs accents etrangers simultanement. D'autre part, nous avons propose l'utilisation de contraintes graphemiques. Nous avons concu une approche automatique pour la detection des contraintes graphemiques et leur prise en compte pour l'approche de RAP non native. Vu que notre methode de modelisation de prononciation augmente la complexite des modeles acoustiques, nous avons etudie les approches de calcul rapide de vraisemblance pour les GMM. En outre, Nous avons propose trois nouvelles approches efficaces dont le but est l'acceleration du calcul de vraisemblance sans degradation de la precision.