Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...

1.2. ZIEL DIESER DIPLOMARBEIT 15
Segmentierung von Sprachdateien. Insbesondere enthalten die untersuchten Dateien Aufzeichnungen
von Informatik-Vorlesungen (siehe Kapitel 1.4).
Zunächst bedarf es der Klärung, was das Ziel der Segmentierung sein soll. Angenommen, man
ließe den Dozenten der Vorlesung eine Text-Transkription der Aufzeichnung so segmentieren,
daß sich daraus ein Inhaltsverzeichnis, ähnlich dem eines Buches, ergeben würde. Das heißt, der
Dozent liest die Transkription durch und markiert die Stellen im Text, die er für einen Anfang
eines Kapitels, eines Unterkapitels, usw. hält. Die Granularität der Gliederung sei nicht vorgegeben.
Dann wird diese Gliederung herangezogen und die entsprechenden Stellen manuell in der
Sprachdatei ermittelt. Es ist nun leicht möglich anhand der Gliederung in der Aufzeichnung zu
navigieren. Hier ist eine Benutzerschnittstelle vorstellbar, die dem Benutzer das Inhaltsverzeichnis
anzeigt und beim Anklicken des gewünschten Abschnitts direkt an die entsprechende Stelle
in der Sprachdatei springt. Das eben vorgestellte Verfahren hat drei entscheidende Nachteile:
Es muß eine Text-Transkription der Aufzeichnung erstellt werden.
Die Transkription muß (manuell) gegliedert werden.
Die entsprechenden Stellen in der Sprachdatei müssen manuell ermittelt werden.
Wünschenswert wäre nun ein Computer-Programm, das eine Segmentierung der Aufzeichnung
automatisch erstellt. Die resultierende Menge von Indizes der Sprachdatei soll möglichst
genau der Menge von Indizes entsprechen, die sich durch das manuelle Verfahren ergeben
würde. Der erste Schritt der Text-Transkription läßt sich unter gewissen Voraussetzungen durch
die oben vorgestellte automatische Spracherkennung verwirklichen. Schwieriger gestaltet sich
der zweite Verfahrensschritt. Sollte dieser Schritt automatisch zu bewerkstelligen sein, so ergibt
sich der letzte Schritt von selbst. Allerdings ist auch diese Vorgehensweise mit Nachteilen behaftet.
Automatische Spracherkennung ist sehr fehleranfällig, insbesondere spielt die Qualität
des Audiosignals eine entscheidende Rolle. Zudem muß das Spracherkennungssystem vor dem
erfolgreichen Einsatz aufwendig trainiert werden. Auch der zweite Schritt der automatischen
Gliederung ist ein offenes Problem.
Aufgrund der eben beschriebenen Problematik soll die Aufgabe etwas vereinfacht werden. Das
gewünschte Computer-Programm soll nur noch die Segmentierung der Sprachdatei erstellen.
Die resultierende Menge von Indizes soll einer manuell erstellten Segmentierung möglichst
nahe kommen und ermöglicht dem Benutzer im Zusammenspiel mit den anderen Komponenten
eines Multimedia-Dokumentes ein schnelles Navigieren in der Audio-Datei. Sollte sich beispielsweise
aus den verwendeten Folien eine Gliederung ergeben, so könnte versucht werden,
diese mit der Gliederung der Audio-Datei abzugleichen.
In Kapitel 1.1.2 wurde angedeutet, daß es zur Berechnung einer Segmentierung eine Vielzahl
von Ansätzen gibt. Allerdings basieren die verwendeten Verfahren in den meisten Fällen auf statistischen
Modellen. Diese haben den Nachteil, daß sie vor einer erfolgreichen Anwendung zeitaufwendig
trainiert werden müssen. Aus diesem Grund wurden zwei Segmentierungsverfahren