Sprachliche Mensch-Maschine-Kommunikation

14.6 Aussprachemodellierung 237
auszusprechende Text eine Folge von Lauten aus einem Lauteinventar
zugewiesen. Parallel dazu werden außerdem für diese Laute Eigenschaften
wie Betonung und Länge berechnet. In einer zweiten Phase werden die
zu den Lautfolgen passenden Signalstückchen zu einem Gesamtsignal
” zusammengeklebt“. Dabei werden noch diverse Glättungsmethoden und
vor allem die prosodischen Eigenschaften (Sprechrhythmus und -melodie)
berücksichtigt. Damit sich eine Frage auch als Frage anhört und der Ton
am Ende des Satzes wie bei Fragen üblich nach oben geht, müssen bei
guten Systemen auch die Interpunktionszeichen ausgewertet werden oder
sogar eine eingebundene Verstehenskomponente verwendet werden, die die
benötigten Informationen über die Satzstruktur liefert.
Aber nicht nur für die Qualität der Sprachausgabe sind gute Aussprachelexika
von Bedeutung. Selbstverständlich wird durch die Lexika
auch das akustische Modell von Spracherkennern bestimmt. Weichen die
Einträge im Lexikon stark von den tatsächlich gesprochenen ab, so hat
dies zur Folge, daß beim Erkennen die berechneten Wahrscheinlichkeiten
für verschiedene Wörter ” irreführend“ sind, und beim Trainieren Modelle
mit einer großen Varianz entstehen, bzw. sehr ähnliche Daten aus
den in Wirklichkeit gleichen Lauten auf verschiedene Modelle verteilt werden.
So hat sich in der Praxis herausgestellt, daß die besten Erkennungsergebnisse
unter Verwendung von Aussprachelexika erzielt wurden, die von
Experten auf den Gebieten der Phonetik und der Spracherkennung manuell
entwickelt wurden. Unerläßlich für ein gutes Funktionieren ist dabei auch
die Auswahl mehrerer Aussprachevarianten für ein Wort.
14.6.2 Neue Wörter einbinden
In vielen Aufgaben, in denen Spracherkenner eingesetzt werden, ist das
Vokabular nicht im voraus bekannt. Insbesondere Eigennamen von Personen,
geographischen Entitäten, Firmen oder Ereignissen können nicht immer
vorher bekannt sein. In diesen Fällen ist es interessant, automatisch –
also ohne Hinzuziehen von menschlichen Experten – neue Wörter in das
Aussprachelexikon aufzunehmen.
Das Einbinden neuer Wörter ist eine eigene Teildisziplin der Spracherkennung
für sich [?]. Da geht es einmal um die Detektion neuer Wörter, die
Generierung einer Aussprache, das Hinzunehmen ins Sprachmodell und die
Bestimmung geeigneter akustischer Modelle. Aus der Sicht des Akustischen
Modells steht man zwei Herausforderungen gegenüber: der Bestimmung
eines Eintrags im Aussprachelexikon und schließlich der Bestimmung der
akustischen Atome für die HMM-Zustände. Bei völlig kontextunabhängigen