Sprachliche Mensch-Maschine-Kommunikation

356 21. Robustheit und Adaption
le betrachtet: Ohne weiteres Wissen, gibt allein die Grundfrequenz F0 der
Stimme einen wertvollen Hinweis. Männer sprechen in der Regel mit tieferer
Stimme als Frauen. Das andere Kriterium kann man aus den Gesamtbeobachtungswahrscheinlichkeiten
der beiden geschlechtsspezifischen Erkennern
gewinnen. Unter der Voraussetzung, daß beide Erkenner die gleiche Struktur
des Parameterraumes haben, so daß sich deren HMM-Emissions- und Übergangswahrscheinlichkeiten
vergleichen lassen, und unter der Voraussetzung,
daß beide das gleiche Sprachmodell verwenden, kann man P(X|λ männlich
mit P(X|λ weiblich vergleichen und sich für das Geschlecht mit größerer
Wahrscheinlichkeit entscheiden. Gegebenenfalls kann man noch, falls bekannt,
die a priori Wahrscheinlichkeiten für die Geschlechter mit einbeziehen
und mit Hilfe der Bayes-Regel sogar die a posteriori Wahrscheinlichkeiten
P(Geschlecht|X) bestimmen. Es mag zwar sein, daß diese Methode nicht
immer zum richtigen Ergebnis führt. In der Praxis stellt sich aber heraus,
daß selbst dann, wenn die Geschlechtsklassifikation einen Fehler macht,
der dann ” falsche“ Erkenner trotzdem die besseren Erkennungsergebnisse
produziert, weil die Ursache für die Fehlklassifikation daher kommt, daß sich
die Stimme der Sprecherin wie die eines eher typischen Mannes oder die
Stimme des Sprechers wie die einer Frau anhören.
21.2 Spontane Effekte
Oft werden als die vier wichtigsten Qualitätseigenschaften von Spracherkennern
beziehungsweise Spracherkennungsaufgaben genannt: die
Sprecher(un)abhängigkeit, die Komplexität des Vokabulars, die Qualität
des Signals und die Spontaneität der Sprache. Sie spannen sozusagen einen
vierdimensionalen Raum auf, in dem sprecherabhängige Erkennung eines
kleinen diktierten, also sorgfältig gesprochenen Vokabulars über einen
ungestörten Kanal in der “leichtesten“ Ecke liegt, und sprecherunabhängige
Erkennung spontaner Mensch-Mensch-Dialoge mit sehr großen Vokabularen
und störungsbehafteten Übertragungskanälen in der ” schwersten“ Ecke liegt.
Die Dimension der Sprecher(un)abhängigkeit verliert in der Forschung immer
mehr an Bedeutung. Es wird kaum noch an sprecherabhängigen Systemen
geforscht. Sprecherunabhängigkeit und Adaption sind hier die Mittel der
Wahl. Kleine Vokabulare findet man nur noch für Spezialaufgaben, und
die Größen typischer Vokabulare stellen weniger den Spracherkenner selbst
von Schwierigkeiten, sondern vielmehr die Entwickler von Sprachmodellen.
Die Problematik der Signalqualität wird in der Regel durch besondere
Signal- und Modelladaptionsverfahren angegangen, und für viele bekannte
Störungen (zum Beispiel Automobilgeräusche [?]) existieren auch relativ
gute Lösungen. Die Dimension, die somit als die vermutlich schwierigste
bezeichnet werden kann, ist die Spontaneität. Teilweise ist es sogar so, daß