Sprachliche Mensch-Maschine-Kommunikation

11.3 Spracherkennung mittels Dynamic Time Warping 169
des Pfades sicher. In der Praxis hat sich allerdings das Bakis-Modell als das
praktikabelste herausgestellt. Nennenswerte Vorteile konnten für die anderen
Schemata bei ” gewöhnlichen“ Spracherkennungsaufgaben nicht festgestellt
werden.
Abb. 11.9. Verschiedene Zustandsübergangsschemata
2 2
11.3 Spracherkennung mittels Dynamic Time Warping
Abb. 11.10 gibt einen Überblick über einen Einzelwort Spracherkenner, der
auf dem DTW-Algorithmus basiert. Eine Testaufnahme wird analysiert
und in eine Folge von Kurzzeitspektren umgewandelt. Im Erkenner ist
für jedes von n Vokabularwörtern ein Referenzmuster abgespeichert. Die
Testaufnahme wird mit jeder Referenz verglichen, ein DTW-Pfad wird
berechnet und die kumulative Distanz ausgegeben. Unter allen Referenzen
wird diejenige mit der kleinsten kumulativen Distanz als Erkennungshypothese
gewählt. Der Begriff Einzelwort bezeichnet hier nicht ein Wort im
linguistischen Sinne, sondern lediglich die Tatsache, daß keine Sätze aus
Wörtern beliebig kombiniert werden können. Als Einzelworte in diesem
Sinne können durchaus auch mehrere Worte hintereinander gesprochen oder
sogar (linguistisch gesehen) ganz Sätze sein. Der vielleicht korrektere Begriff
wäre Erkennung von isolierten oder Einzelkommandos.
Um die Leistung zu verbessern, können für jedes Vokabularwort mehrere
Referenzen abgespeichert werden. Als Hypothese kann dann immer noch das
Wort ausgegeben werden, zu dem die Referenz mit dem kleinsten Abstand
1
2
1