Sprachliche Mensch-Maschine-Kommunikation

18.6 Längenmodellierung 325
ein Sprachmodell verwendet, müssen n 2 Übergänge genommen werden, da
zum Zeitpunkt t noch nicht bekannt ist, welche Wortendezustände später
inklusive der Sprachmodellwahrscheinlichkeiten als beste Vorgänger der
Wortanfangszustände zum Zeitpunkt t + 1 sein werden.
1715
D D
C
B
A
991
722
1715
991
722
1234 1234
t − 1 t t + 1 t − 1 t t + 1
Abb. 18.9. Expansionder Wortendezustände ohne/mit Sprachmodellk
18.6 Längenmodellierung
Betrachten wir den Viterbi-Pfad, wie er in Abb. 18.10 dargestellt ist. Hier
wurde das Wort ” Apfel“ erkannt. Die Hypothese geht davon aus, daß die
ersten drei Zeiteinheiten der A-Laut gesprochen wurde, dann elf Zeiteinheiten
lang ein P-Laut, um schließlich die verbleibenden drei Laute in je einem
Zustand abzuarbeiten. Ein derartiger Pfad ist aus phonetischer Sicht äußerst
unwahrscheinlich. Das P ist ein Plosivlaut, der in der Regel sehr kurz ist, auf
jeden Fall ist er meist wesentlich kürzer als typische Vokale. Das Problem,
das den abgebildeten Pfad verursachen kann ist zum Beispiel ein gestörtes
Sprachsignal. Da P-Laute sehr wenig Energie haben, unterscheiden sie sich
kaum von Stillelauten. Vielleicht war das Signal im Bereich der zweiten Hälfte
des Wortes gestört, oder es wurde sehr langsam gesprochen. Woran könnte
ein Spracherkenner feststellen, daß ein derartiger Pfad sehr unwahrscheinlich
ist?
C
B
A