Скрытые Марковские модели

Выбор инвентаря СММ и числа состояний СММ осуществляется на основании данных о фонетическом составе языка, словаре и размере обучающей выборки.

Лучшим выбором инвентаря будет такой, при котором выбранные СММ будут соответствовать акустическим реализациям фонем в реальной речи, а имеющаяся обучающая выборка будет обеспечивать корректную оценку параметров моделей.

Обычно это аллофоны – контекстно-зависимые акустические реализации фонем.

Поскольку мужские и женские голоса существенно отличаются по параметрам, в

большинстве приложений раздельно 92

формируются семейства СММ для мужского и женского голосов.

Скрытые Марковские модели

Составление эталонных сигналов слов из фонем в соответствие с моделью произношения

	k X		argmax	max	qk
		0l
			k	ks ,wk1s ,wk 2 s ,
				s 1:qk	s 1				k = 1

1		1	1	1
0	1	1	1		1
sпоч. 11		2 3	2 2	2 3	31	3 2	3 3
1			2 2
1		1	1	1
0	1	1	1		1
sпоч. 11		21	2 2	2 3	31	3 2	3 3
1			2
1		1	1	1
0	1	1	1		1
sпоч. 11		21	2 2	2 3	31	3 2	3 3
1			2

						1	1
							q1	0
s1	s 2	s 3			q 11	q 1 2 q 13		sкін.
	s					q 1	q
			1		k = 2
		1
			0
s1	s 2	s 3	q1	sкін.
	s		q
						k = 3
				1	1
					0
s1	s 2	s 3	q 11	q 1 2 q 13	q1	sкін.
	s			q 1	q

94

Скрытые Марковские модели

Пофонемное распознавание слитной речи, состоящей из слов выбранного словаря, в случае свободного

порядка следования слов

95

Скрытые Марковские модели

Модель слова с произвольным порядком следования моделей фонем в слове

		1
		1
	1	13
		12 1
s=sstart		1
		11
		=5
		0
	1	1
	10	0
1	1
	9	=4
1	1
	8
		1
		1

=3

1

				1
		14	1		1
			15	1
				16
0		=6			1
		1	0
				=1	s=1
				1
				0	s=sfinal
		s=0	0
				0
	0	1
			=2	s=4
				s=3 1	1

5			s=2 1
1	6	1	1
			7

1		1
	1
	1	96

Скрытые Марковские модели

Модель предложения с произвольным порядком следования

моделей слов и моделей фонем в предложении

1

									1	1	1	s=1		01 0 , vir 0 , kir 0
						1	1	1		1	1	=1
						1	1		s=2 s=3 4			1		ir ,vir , kir
											=2			i = 1 : l, r = 1:N, k = 1:N
						5	6	7					0
												0
			8	9	10		=3		0		1			l = 16, N = 4
														*, 0 , 0		*, 0, 0		*, 0, 0
11	12	13		=4		0	1
					1								s=0
	=5		0
												( i(0), vi(0))
		1												21 , 0, 2				24 , 0, 3
i=0 s=11 s=12 s=13 s=8 s=9 s=10 s=5							s=6 s=7		s=2	s=3 s=4		s=1 s=0	( , 0)		32 , 0 ,1
i=1													(1, 1)	41 , 2, 4
i=2													(1, 1)			52 , 2,1
i=3													(1, 1)
i=4													(5, 1)	61 , 3, 2
i=5													(4, 1)			72 , 4,1
i=6													(3, 3)					44 , 5, 2
i=7													(3, 3)
														91 , 7 , 2
i=8													(2, 5)
																103 , 6,1
i=9													(2, 5)
i=10													(2, 6)	122 , 9,1
i=11													(2, 6)					124 ,10,3
i=12													(5, 5)	142 ,10,3				133 , 8, 4
i=13													(4, 9)
i=14													(4, 10)							97
i=15													(3, 10)	161 ,14, 2	162	,13, 3	163	,12, 4	164 ,12, 2
i=16													(1, 14)

Реализация и использование систем распознавания речи

В настоящее время под системой распознавания р понимается программно-аппаратный комплекс, решающий одну из ниже перечисленных задач.

•Распознавание изолированных устно произносим команд ограниченного словаря.

•Распознавание слитной речи.

•Понимание речи.

4

Реализация и использование систем распознавания речи

Дополнительные различия.

•Система распознавания может обучаться на индивидуальные особенности речи конкретного диктора.

•Система может быть рассчитана на конкретный стиль произнесения.

•Система может быть предназначена для работы в разных акустических условиях.

4

Промышленные системы распознавания речи Стандартная система распознавания речи

4

Промышленные системы распознавания речи

Система распознавания речи фирмы Speereo Software United Kingdom Ltd.

•	До 150000 слов английского языка.
•	В темпе с процессом.
•	Статистические языковые модели.
•	600 командных фраз.
•	В любую среду: MS Windows 95, 98, Millenium, NT4.0, 2000
•	Спец. словарь: радиология и модели языков.
•	PCMCIA для мобильных работ.
•	изолированно произносимые команды;
•	без подстройки под диктора;
•	99,9% в офисном помещении;
•	97% в автомобиле, идущем со скоростью 120 км/час;
•	подстраивается к языковой модели;
•	управление оборудованием и меню;
•	английский UK.	4

Промышленные системы распознавания речи

IBM Voice Type Dictation

•32000 слов + 2000 слов личного словаря (английский я

•70 – 100 слов/мин.

•Статистические языковые модели.

•Стандартные фразы.

•В любую среду: OS/2, Windows, DOS.

•изолированно произносимые команды;

•с подстройкой под диктора;

•плата ввода;

•синтез введенного текста;

•95%;

•подстраивается к языковой модели;

•речь – текст в звуковом окне – текст в речевом редакто

•управление оборудованием и меню;

•45 – 60 минут – обучение системы; 150 предложений;

•английский UK и USA, французский, немецкий, итальян

испанский, арабские языки.	4