Sprachliche Mensch-Maschine-Kommunikation

10. Erkennung statischer Sprachsignale
In diesem Kapitel werden wir einen ersten funktionierenden Spracherkenner
zusammenstellen. Er wird aber nur sehr eingeschränkt einsetzbar sein. Basierend
auf den Erkenntnissen aus den vorausgegangenen Kapiteln werden
wir Sprachsignale verarbeiten und auf die so gefundenen Eigenschaften der
Signale Klassifikationsalgorithmen anwenden.
10.1 Zeitsignalbasierte Erkennung
Versuchen wir zunächst einmal Merkmale des Zeitsignals selbst zu untersuchen.
Betrachten wir die Wellenform einer Sprachaufnahme, so fällt als
erstes auf, daß die auf den Amplituden bestimmte Einhüllende in etwa die
Silbenstruktur der Äußerung widerspiegelt. Zweifellos scheint der Versuch,
größere Vokabulare anhand der Einhüllenden zu erkennen, aussichtslos.
Denkbar wäre höchstens ein Erkenner, der zum Beispiel zwei oder drei
Wörter unterscheiden soll, die alle unterschiedlich viele Silben haben.
Im folgenden werden einige Möglichkeiten der Untersuchung des reinen
Zeitsignals veleuchtet.
10.1.1 Endpunktdetektion
Im Sprachaufnahmeapplet wird der Beginn und das Ende einer Sprachaufnahme
durch Drücken eines Aufnahmeknopfes festgelegt. In vielen Situationen
ist die Verwendung eines solchen Knopfes jedoch nicht wünschenswert. Zum
einen sind das Situationen, in denen man die Hände frei haben möchte, um
mit ihnen andere Aufgaben zu erledigen, und zum anderen solche Fälle, in
denen das Anbringen solcher Knöpfe unpassend ist, wie zum Beispiel bei
einem Münzfernsprecher.
Abgesehen davon, daß die ständige Betätigung eines Knopfes für den
Benutzer lästig ist und dem eigentlichen Ziel der maschinellen Sprachkommunikation,
nämlich der Steigerung der Ergonomie der Mensch-Maschine-
Schnittstelle, entgegensteht, stellen solche Knöpfe auch Fehlerquellen dar.