Sprachliche Mensch-Maschine-Kommunikation

als die der Silben.
17.1 Suche nach der optimalen Spracheinheit 291
Die gleiche zeitliche Ausdehnung wie Monophone haben auch Diphone
(oft auch fälschlicherweise Biphone genannt). Allerdings nehmen diese
einen kleineren Bereich des Merkmalsraums ein. Man kann Diphone als
phon-indizierte Monophone betrachten. Sie gehören zu den einfachsten
Kontextabhängigen Modellen. Je nachdem, ob ein Monophon von seinem
linken oder rechten Nachbarn abhängt spricht man von Links- oder Rechts-
Diphonen. Links-Diphone Das Wort ” Hallo“ kann beispielsweise mit 4
Rechts-Diphonen modelliert werden. Das erste davon wäre der H-Laut, aber
nicht der allgemeine, sondern derjenige H-Laut, der von einem A gefolgt
wird. Danach kommt derjenige A-Laut, der von einem L-Laut gefolgt wird,
und so weiter. Alle Diphone X(. . .) eines Monophons X nehmen denselben
Teil des Merkmalsraumes ein wie das Monophon X.
Triphone sind kontextabhängige Phone, die sowohl vom linken als auch
vom rechten Nachbarn abhängen. Auch sie haben die gleiche Zeitliche
Ausdehnung wie Monophone und Diphone, unterteilen den Merkmalsraum
aber in noch kleinere Teile. Lange Zeit gehörten Triphone zu den beliebtesten
Kontextbreiten. Erst Mitte, Ende der neunziger Jahre wurde vermehrt noch
breitere Kontexte Verwendet.
Der Begriff Quintphon sollte eher Pentaphon heißen, allerdings hat sich
im Amerikanischen die lateinisch-griechische Mischform eingebürgert und
wurde meistens auch so im Deutschen verwendet. Je breiter der Kontext
wird, umso eher kommt es vor, daß er bis über das Ende des Wortes hinausreicht.
Modelliert man das Wort ” Hallo“ wie in Tab. 17.1 kommt in jedem
Quintphon ein Kontext, der jenseits des Wortes liegt, vor. Solche Kontexte
bedürfen meist einer besonderen Behandlung. Es wäre nicht korrekt an
diesen Stellen anzunehmen, daß dort der Stille-Laut steht. Korrekterweise
müßte man den an dieser Stelle stehenden Laut des Nachbarwortes oder
gar des übernächsten Wortes betrachten. In der Praxis ist die vollständig
korrekte Implementierung so breiter Kontexte viel zu aufwendig um damit
noch in akzeptabler Zeit HMM-Spracherkennung machen zu können. Daher
werden meistens Einschränkungen in kauf genommen, wie zum Beispiel
die Beschränkung der Nachbarwortabhängigkeit auf das erste oder letzte
Phonem eines Wortes. Und dieses wird dann meist auch nur von dem unmittelbaren
Nachbarn im angrenzenden Wort abhängig gemacht. Natürlich sieht
das Erkennungs-HMM bei Berücksichtigung von Wortübergangskontexten
wesentlich komplizierter.
Mit Polyphonen bezeichnet man Phone mit unbegrenztem Kontext.
Praktisch heißt dies bis an die Wortgrenzen. In diesem Fall entspricht die
Aufteilung des Merkmalsraumes demjenigen, den wir auch haben, wenn