Sprachliche Mensch-Maschine-Kommunikation

392 23. Verstehen von Sprache
der Beitrag zur Prosodie erst entsteht. Gute F0-Verfolger (Pitch-Tracker)
erreichen korrekte Erkennungsraten in der Größenordnung von ca. 90% [?].
• Pausen
Aus der Dialogforschung weiß man, auch Nichtsprechen kann ein bedeutungstragender
Sprechakt sein. Die Position und Länge von Pausen in
einer Äußerung bestimmen die Prosodie dieser Äußerung mit. Bei nicht
allzu verrauschten Aufnahmen bedarf es in der Regel keiner besonderen
Pause-Detektoren. Alle ausreichend mächtigen Spracherkenner verwenden
ein besonderes Pause- oder Stille-Wort, das von den meisten Instanzen
eines Erkenners wie ein reguläres Wort behandelt wird und als solches
auch in der Erkennerhypothese ausgegeben werden kann.
• Betonung / Lautstärke
Teilweise geht die Betonung eines Teils einer Äußerung einher mit einer
Anhebung der Stimme (Erhöhung von F0). Der andere Weg zur Betonung
ist die Erhöhung der Lautstärke. Auch wenn die empfundene Lautstärke
etwas anderes ist als die Signalenergie, sowohl wegen der unterschiedlichen
Phon und dBA Skalen als auch wegen der Tatsache, daß verschiedene
Laute an sich schon in der unbetonten Version verschiedene typische
Energien haben, so genügt in der Regel die Messung der Signalenergie zur
Bestimmung der Lautstärke.
• Rhythmus
Der Rhythmus einer Äußerung wird durch den Lautstärkeverlauf und
durch die Abfolge von Pausen und Sprache bestimmt. Er beschreibt
mehr als nur eine lokale Betonung oder Hervorhebung sondern umfaßt
weiterreichende die gesamte Äußerung umfassende Eigenschaften.
Die prosodische Analyse einer sprachlichen Äußerung wird in zwei Phasen
durchgeführt. In der ersten Phase werden die oben beschriebenen Merkmale
bestimmt. In der zweiten Phase werden diese Merkmale beziehungsweise die
zeitliche Abfolge dieser Merkmale analysiert und bestimmte Eigenschaften
der Äußerung klassifiziert. Zum Beispiel, ob es sich um eine Frage handelt.
Zu den durch die Prosodie klassifizierbaren Eigenschaften gehören:
• Intention der Äußerung