Sprachliche Mensch-Maschine-Kommunikation

21.3 Geräuschmodellierung 357
ein Erkenner, der auf Spontaner Telefonsprache trainiert wurde, bessere
Ergebnisse auf spontaner Sprache liefert, die über ein hochqualitatives
Nahbesprechungsmikrophon aufgenommen wurde, als ein sehr guter Diktiererkenner
für Nahbesprechungsmikrophone. Mit anderen Worten, die
Änderung des Übertragungskanals wirkt sich weniger schädlich aus als die
Änderung des Spontaneitätsgrades. Im folgenden werde einige Aspekte der
Handhabung spontaner Sprache erläutert.
Diktierte Sprache zeichnet sich nicht nur dadurch aus, daß die Artikulation
der Worte sauberer ist, sondern auch dadurch, daß die Äußerung
zuvor geplant werden kann. Je nach Anwendung ist es auch möglich, diese
bei Auftreten irgendwelcher Probleme, zu wiederholen, so daß der Erkenner
in der Regel eine saubere, fehlerfreie und Störgeräuschfreie Aufnahme bekommt.
Bei spontaner Sprache entfällt diese Planung. Bei einigen Aufgaben
sind sich die Sprecher nicht einmal bewußt, daß die Sprache aufgezeichnet
wird und für die Erkennung verwendet wird. Solche Sprache enthält sehr oft
Störgeräusche, so daß diese zu den spontanen Effekten zu rechnen sind.
Andere spontane Effekte sind die Varianz der Sprechgeschwindigkeit, das
ungrammatikalische Sprechen und die unsaubere Artikulation, die bis zum
Falschaussprechen und Weglassen ganzer Lautfolgen geht.
21.3 Geräuschmodellierung
Sogar diktierte Sprache, aber vor allem spontane Sprache, insbesondere
Dialoge zwischen Menschen enthalten viele Abschnitte, die in der Regel in
keinem Wörterbuch zu finden sind. Dazu gehören emphatische Pausen wie
” äh“, ” ähm“, hm“ und so weiter, nichtsprachliche Laute wie Husten, La-
”
chen, Räuspern, unbeabsichtigte Geräusche mit der Zunge oder den Lippen,
und vor allem Atemgeräusche. Gerade wenn es sich beim verwendeten Mikrophon
um ein Nahbesprechungsmikrophon handelt, kann es leicht passieren,
daß der Zug der Atemluft deutliche Artefakte ins Sprachsignal einbringt.
Neben diesen durch den Artikulationsapparat erzeugten Geräuschen treten
auch nichtartikulatorische Geräusche auf. Oft wird sogar das eigentliche
Sprachsignal durch solche Geräusche überlagert. Dazu gehören Geräusche,
die durch Bewegungen von Personen oder Gegenständen entstehen, die sich
im Raum, in dem die Sprachaufnahme stattfindet, befinden.
Artikulatorische Geräusche sind meist viel stärker mit der sie umgebenden
Sprache korreliert als nichtartikulatorische. Emphatische Pausen
werden an verschiedenen Stellen mit unterschiedlicher Wahrscheinlichkeit
gemacht. Einige Wortsequenzen werden oft wie ein einzelnes Wort betrach-