Sprachliche Mensch-Maschine-Kommunikation

17. Kontextabhängige akustische Modelle
kontextabhängige akustische Modelle In der Geschichte der Spracherkennung
gab es relativ wenige Meilensteine, von denen man sagen kann, sie haben
die Erkennungsleistung dramatisch verbessert. Einer davon ist der Einsatz
kontextabhängiger akustischer Modelle. Da unser Artikulationsapparat
mechanischen Gesetzen genügen muß, kann er keine Sprünge zwischen
zwei Idealzuständen für zwei aufeinanderfolgende Laute machen. Was bei
Diphthongen offensichtlich ist, gilt im Prinzip für jedes Lautepaar. Das heißt
vor allem, daß die zeitlichen Randgebiete eines Lautes mit den angrenzenden
Lauten verschwimmen, aber auch daß die Ausprägung des gesamten Lautes
von den ihm umgebenden Lauten abhängt. Den ersten großen Durchbruch
auf dem Gebiet erreichte Kai-Fu Lee in seiner Dissertation [?]. Seine
Erfahrungen werden inzwischen in nahezu allen aktuellen Spracherkennern
eingebracht und führen zu etwa einem Drittel weniger Fehlern als bei den
Erkennern, die nur kontextunabhängige Modelle benutzen.
17.1 Suche nach der optimalen Spracheinheit
Bereits im Kap. 14 wurde die Problematik der verschiedenen Einheiten der
Sprache, die ein eigenes Modell erhalten sollen, einführend behandelt. Hier
werden verschiedene in der Praxis verwendete Einheiten gegenübergestellt
und insbesondere darauf eingegangen, wie diese Einheiten gefunden werden.
Tab. 17.1 zeigt, wie das Wort ” Hallo“ mit verschiedenen Spracheinheiten
modelliert werden kann. Diese unterscheiden sich in ihrer zeitlichen und
räumlichen Ausdehnung. Mit der zeitlichen Ausdehnung ist die Dauer
der Einheit in der Sprachaufnahme gemeint, und mit der räumlichen
Ausdehnung der Anteil am Merkmalsraum, der durch die Einheit abgedeckt
wird. Die längste zeitliche Ausdehnung hat eindeutig die Modellierung
mit der Einheit ” Wort“. Damit würde das Wort ” Hallo“ wie in der ersten
Zeile der Tabelle dargestellt mit einer einzigen Einheit modelliert (die im
Beispiel sinnigerweise den Namen Hallo erhalten hat). Welchen Teil des
Merkmalsraum so eine Worteinheit abdeckt hängt natürlich davon ab, wie