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

4.2. EMPHASIS-DETECTION-BASIERTE SEGMENTIERUNG (EDBS) 81
Emphasis
60
50
40
30
20
10
Emphasis
0
0 100 200 300 400 500 600 700 800 900
Zeit (Sek.)
(a) Schwellwert=1%, ¢¡¤£¦¥¨§
Emphasis
150
100
50
Emphasis
0
0 100 200 300 400 500 600 700 800 900
Zeit (Sek.)
(b) Schwellwert=1%, ¢¡¤£¦¥©
Abbildung 4.8: Ausgabe des EDBS-Algorithmus für einen 15-minütigen Ausschnitt aus einer Sprachdatei.
Allerdings verfolgten sie ein ganz anderes Ziel, die automatische Erstellung von Zusammenfassungen.
Die kombinierte Pitch-Aktivität §¦ liefert in diesem Fall ein Maß
für die Betonung auf Phrasen- oder Satzebene. Verkürzt man diese Zeitfenster auf ©
können Betonungen auf der Wortebene gefunden werden. Abbildung 4.8 zeigt das Ergebnis
von Testläufen für einen 15 minütigen Ausschnitt aus einer Vorlesung, die [24] entnommen
wurde. Der Schwellwert beträgt in beiden Fällen . Die Länge des Zeitfensters
beträgt im Fall a) ¨ © und im Fall b) .
Der gesamte Ablauf dieses Verfahrens wird durch die Abbildungen 4.9 und 4.10 nochmals anhand
eines Beispiels verdeutlicht. Die oben erläuterten Schritte lassen sich dadurch sehr gut
nachvollziehen.
4.2.2 Anwendungsmöglichkeiten des Emphasis-Detection-Algorithmus
Nun bieten sich mehrere Möglichkeiten zur weiteren Vorgehensweise an. Drei Anwendungen
werden kurz erläutert:
1. Es kann eine Zusammenfassung der Sprachdatei erstellt werden. Hierzu werden die Zeitfenster
bezüglich ihrer Emphasis sortiert. Segmente dieser Fenster können nun nach absteigenden
Emphasis-Werten zu der Zusammenfassung hinzugefügt werden, bis die sie
ihre gewünschte Länge hat [16].
2. Die Ergebnisse können zum schnellen Navigieren in der Sprachdatei verwendet werden.
Auch hierzu werden die Zeitfenster bezüglich ihrer Emphasis sortiert. Die Segmente mit