Sprachliche Mensch-Maschine-Kommunikation

15.3 Hidden Markov Modelle für kontinuierliche Sprache 257
einem Phonem entspricht (Phonemgraph), und schließlich wird jeder Phonemzustand
im dritten Schritt durch das HMM ersetzt, das einem Phonem
entspricht (meist ca. drei linear angeordnete Zustände).
Das Ersetzen eines Wortzustandes durch eine Phonemfolge (oder einen
kleinen Phonemgraphen) geschieht durch Nachschauen in einem Aussprachelexikon.
Viele Aussprachelexika geben für einige Wörter mehrere mögliche
Aussprachen an. Für solche Fälle verwendet man dann keine lineare Folge
von Phonemzuständen, sondern entweder je möglicher Aussprache eine
eigene Phonemfolge, die alternativ (vgl. Abb. 12.1 rechts unten) durchlaufen
werden können, oder einen Phonemgraphen, der alle Aussprachen berücksichtigt
(s. Abb. 15.8).
Guten Tag
T G
G U N T A
CH
G1 G2 U1 U2
T1 T2
Wortgraph
N1 N2 T1 T2
Abb. 15.8. Satz-HMM mit verschiedenen Aussprachen
Phonemgraph
A1 A2
Zustandsgraph
G1 G2
CH1
CH2
Auch wenn es wünschenswert ist, sehr ausführliche und korrekte Transkripte
zu verwenden, so muß man davon ausgehen, daß solche in vielen
Fällen nicht zur Verfügung stehen. Kurze Pausen werden üblicherweise gar
nicht schriftlich festgehalten. Will man potentielle Pausen zwischen zwei aufeinanderfolgenden
Wörtern korrekt modellieren, muß dafür in das HMM ein
Zustand oder eine Zustandsfolge eingebaut werden. Für den Wortgraphen
bedeutet das, daß jeder Wortübergang optional über ein Stillewort umgeleitet
wird. Und wenn wir schon davon ausgehen, daß nicht alle Pausen in den
Transkripten enthalten sind, dann könnten wir gleich berücksichtigen, daß
andere Geräusche wie z.B. die Geräusche, die beim Öffnen der Lippen entstehen
oder Atemgeräusche oder Stotterlaute vor Beginn eines Wortes auch
nicht immer in den Transkripten stehen. Das heißt, daß wir in den Wortgraphen
neben den optionalen Stillen auch optionales Gemurmel erlauben
(s. Abb. 15.9). Will man weitere Eventualitäten berücksichtigen, könnten sogar
Übergänge zwischen den Stille- und den Murmelzuständen (engl. mumble
words) eingefügt werden. Damit ist schon ein Teil des Weges, den das Flexible
Transcription Alignment (s. Abs. 14.6.4) geht genommen.