Sprachliche Mensch-Maschine-Kommunikation

18 2. Eigenschaften und Taxonomie von Sprache und Spracherkennern
mit uniformen bzw. wenig variierenden Daten trainiert wurden und auf
passenden Daten eingesetzt werden, besser. Die Parameter der Modelle für
eine sprecherabhängige Datenmenge sind viel ” schärfer“ und leichter von
anderen Modellen zu unterscheiden als bei sprecherunabhängigen Daten.
In einigen Situationen ist es unproblematisch, sprecherabhängige Erkenner
zu verwenden. Bei persönlichen Diktiersystemen zum Beispiel, oder
erst recht bei sicherheitskritischen Anwendungen, die sowieso nur von
einer bestimmten Person verwendet werden dürfen. In solchen Situation
ist man gut beraten, die höhere Leistungsfähigkeit sprecherabhängiger
Systeme auszunutzen. Im allgemeinen jedoch wird man auf Anwendungen
treffen, bei denen der Sprecher keine Zeit hat, erst langwierig seine Stimme
einzutrainieren. Wer will schon erst einen langen Text vorlesen, ehe er
am Fahrkartenautomaten sein Ziel eingeben kann? Daher fokussiert sich
die Spracherkennungsforschung auf die sprecherunabhängige Erkennung,
bestenfalls gesteht man ein, daß wenige Sekunden Sprache verwendet werden,
um die Parameter der Erkenner an den Sprecher zu adaptieren. Ein Teil der
Forschungsanstrengungen versucht das Sprachsignal so zu verarbeiten, daß
die sprecherspezifischen Eigenschaften ausgeblendet werden und möglichst
nur noch sprecherunabhängige übrigbleiben.
2.2 Kontinuierlichkeit
Die Erkennung einzelner Kommandos ist aus verschiedenen Gründen, die
in den folgenden Kapiteln beleuchtet werden, einfacher als die Erkennung
fließender Sprache. Bei gleichen zur Verfügung stehenden Ressourcen
und gleich großem Vokabular funktioniert die Einzelkommandoerkennung
präziser als die Erkennung kompletter beliebig formbarer Sätze. Das heißt,
daß insbesondere bei Anwendungen, die mit wenig Ressourcen auskommen
müssen, wie zum Beispiel Mobiltelefone, und bei Anwendungen, die kein
großes Vokabular benötigen, wie zum Beispiel das Eingeben einer Telefonnummer,
die Wahl eines Einzelkommandoerkenners naheliegt.
In vielen Situationen ist aber ein fließendes Sprechen natürlicher. Eines
der wichtigsten Ziele der automatische Spracherkennung ist es, die Kommunikation
von Menschen mit Maschinen natürlicher zu machen. Daher
beschäftigen sich die meisten Spracherkennungsforscher mit der Problematik
der kontinuierlichen Spracherkennung.