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