Sprachliche Mensch-Maschine-Kommunikation

12. Hidden Markov Modelle
Man kann sagen, daß alle Erkenner für sprecherunabhängige kontinuierliche
Erkennung großer Vokabulare entweder direkt auf der Theorie der Hidden-
Markov-Modelle beruhen oder zumindest wesentliche Teile der Erkenner nach
deren Prinzipien funktionieren. Wegen der großen Bedeutung der Hidden-
Markov-Modelle werden sie in diesem Kapitel detailliert behandelt.
12.1 Probleme mit einfachen Mustervergleichern
Wie bereits bei der Einführung des DTW-Algorithmus kennengelernt,
bringen einfache Vergleiche von Sprachaufnahmen einige Probleme mit sich.
Nicht nur die zeitliche Verzerrung spielt da eine Rolle, sondern vor allem
die Menge der Referenzmuster. Bisher sind wir immer davon ausgegangen,
daß wir für jedes zu erkennende Wort ein Referenzmuster abgespeichert
haben. Dies bedeutet zum einen, daß wir entweder ein durchschnittliches auf
viele Einzellfälle gar nicht gut passendes Muster verwenden, oder sehr viele
Muster benötigen, was wiederum ein Problem für die Erkennerlaufzeit und
für das Sammeln der Muster darstellt. Man stellt schnell fest, daß der reine
Mustervergleichsansatz für die Erkennung sprecherunabhängiger Sprache
eher ungeeignet ist.
Ein weiteres gravierendes Problem ist die Skalierung des Aufwandes mit
der Vokabulargröße. Wenn wir für jedes Wort ein Muster benötigen, dann
sehen wir bald ein, daß ein Erkenner für Vokabulare in der Größenordnung
10 5 kaum sinnvoll realisierbar ist. Insbesondere dann, wenn für jedes Wort
auch noch mehrere Muster abgelegt werden sollen. Diese müßten vorher erst
einmal mühevoll gesammelt werden.
Abgespeicherte Muster sind nicht nur sprecherspezifisch, sondern auch
umgebungsspezifisch. Das heißt, daß die Erkennungsrate bei Sprecherwechsel
aber auch bei Umgebungswechsel (anderes Mikrophon, andere Raumakustik)
abfällt.