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

4.2. EMPHASIS-DETECTION-BASIERTE SEGMENTIERUNG (EDBS) 77
4.2 Emphasis-Detection-basierte Segmentierung (EDBS)
Dieses Kapitel beschäftigt sich mit einem anderen Ansatz zur Segmentierung, der auch benutzt
werden kann, um besonders betonte Wörter oder Sätze zu lokalisieren. Der Ansatz geht auf
ARONS [2][3][4] zurück und beschreibt ein pitchbasiertes Verfahren zur Segmentierung und Betonungslokalisation.
Die Pitch kann nicht nur wichtige Informationen für das Verstehen und das
Verständnis liefern, sie kann auch herangezogen werden, um andere high level-Informationen aus
dem Sprachsignal zu extrahieren. Es gibt eine Vielzahl von Algorithmen, um den Pitch-Verlauf
eines Sprachsignals zu bestimmen, einige Verfahren wurden in Kapitel 3.4 vorgestellt.
Es existieren verschiedene Arbeiten darüber, wie sich die Pitch unter verschiedenen Bedingungen
verhält. HIRSCHBERG, GROSZ [15][17] fanden in einer empirischen Studie heraus, daß der
Pitch-Bereich Hinweise auf den Beginn und das Ende von inhaltlichen Zusammenhängen sowie
auf direkte Zitate gibt. Die Einführung eines neuen Themengebiets korrespondiert oft mit
einer größeren Streuung der Pitch-Werte. Das Ende eines Satzes ist oft verbunden mit einem
Abfallen der Pitch-Werte. Untergebiete und beiläufige Bemerkungen werden oft mit einem komprimierteren
Pitch-Bereich assoziiert. Weitere Studien zeigten, daß Sprecher den Pitch-Bereich
erhöhen, um Informationen in einem bestimmten Satz zu betonen, und daß der Pitch-Bereich am
Anfang eines neuen Themengebiets erweitert wird. Diese Ergebnisse sollen nun genutzt werden,
um Sprachaufzeichnungen zu segmentieren und besondere Hervorhebungen des Sprechers zu
finden. Die Untersuchung, inwieweit dies überhaupt möglich ist, insbesondere in Bezug auf die
zu untersuchenden Daten, ist der zweite Hauptbestandteil dieser Arbeit.
In einer früheren Studie versuchten CHEN, WITHGOTT [6] mit Hilfe von
Hidden-Markov-Modellen (HMM) Betonungen auf der Basis von Pitch- und Energiegehalt zu
ermitteln. Dabei zeigte sich, daß betonte Abschnitte erfolgreich zur Erstellung von Zusammenfassungen
der von Ihnen benutzten Aufzeichnungen herangezogen werden können. Die Verwendung
von Hidden-Markov-Modellen hat allerdings einen entscheidenden Nachteil. Hidden-
Markov-Modelle stellen sehr komplexe statistische Modelle dar, die eine große Anzahl von
Trainings- und Testdaten benötigen und deshalb nicht für jede Anwendung geeignet sind. ARONS
konnte jedoch nachweisen, daß signifikante Information über Betonungen allein in der Pitch enthalten
ist. Er verglich den Verlauf der Pitch mit einer von Hand "gelabelten" Aufzeichnung. Ein
Monolog eines männlichen Sprechers wurde transkribiert und manuell von einem Linguisten
mit Anmerkungen versehen. Dabei stellte sich heraus, daß es eine hohe Korrelation von großer
Pitch-Variabilität und der Einführung neuer Themen und betonten Abschnitten gibt. STIFELMAN
bestätigte diese Ergebnisse in einer Studie [35]. Ziel von ARONS war nun, einen Algorithmus zu
entwerfen, der direkt nach Mustern im Pitch-Verlauf sucht und dem kein komplexes statistisches
Modell, wie das der Hidden-Markov-Modelle zugrunde liegt.