Sprachliche Mensch-Maschine-Kommunikation

290 17. Kontextabhängige akustische Modelle
Einheit Beispiel für Modellfolge
Wort Hallo
Silbe Ha, Lo
(Mono-)Phone H, A, L, O
Links-Diphone H(-), A(H), L(A), O(L)
Rechts-Diphone H(A), A(L), L(O), O(-)
Triphone H(-|A), A(H|L), L(A|0), O(L|-)
Quintphone H(-|A,L), A(-,H|L,O), L(H,A|0,-), O(A,L|-)
Polyphone H(-|A,L,O,-), A(-,H|L,O,-), L(-,H,A|0,-), ...
generalisierte Polyphone H37, A11, L32, O8
Sub-Monophone H-b, H-e, A-b, A-e, L-b, L-e, O-b, O-e
Sub-Triphone H(-|A)-b, H(-|A)-e, A(H|L)-b, A(H|L)-e, ...
Sub-(generalisierte Polyphone) H13-b, H13-e, A45-b, A45-e, L3-b, L3-e, ...
generalisierte Subpolyphone H-b29, H-e3, A-b51, A-e12, L-b14, L-e24, ...
Tabelle 17.1. Modellierung des Wortes ” Hallo“ mit verschiedenen Spracheinheiten
viele Modelle es insgesamt gibt.
Eine geringere Zeitliche Ausdehnung hat die Einheit der Silbe. Damit
sind schon zwei Einheiten nötig, um das Wort Hallo zu modellieren. Der
Vorteil von Silben gegenüber Wörtern ist ganz offensichtlich die Möglichkeit
mit Ihnen Wörter zu formen. Für den deutschen Standard Wortschatz (ohne
Eigennamen und Fremdwörter) genügen gut 10000 Silben. Mit ihnen ließen
sich Millionen von Wörtern zusammenbauen.
Noch flexibler ist man mit einzelnen Phonen – oft auch Monophone
genannt. Mit einem Standard Phonemsatz von typischerweise ca. 50
Phonemen lassen sich im Prinzip alle Wörter einer Sprache modellieren.
Einige Sprachen haben einen etwas größeren Phonemschatz, und machen
kommen auch schon mit nur 30 Phonemen aus. Allerdings halten sich die
meisten Spracherkenner bei der Definition ihres Phonemsatzes nicht an die
phonetisch-linguistische Definition, sondern orientieren sich vielmehr an der
Akustik der Laute. Die zeitliche Ausdehnung der Phoneme ist noch kleiner