Sprachliche Mensch-Maschine-Kommunikation

2.6 Die Signalqualität 25
muß beim Erkennen eines Namens dieser aus einer Menge von mehreren
Millionen ausgewählt werden. Im Gegensatz zu so manchem ersten Eindruck
ist es auch keineswegs schwierig, Wörter wie ” Desoxyribonukleinsäure“
zu erkennen. Womit könnte denn so ein Wort überhaupt verwechselt werden?
2.6 Die Signalqualität
Eine interessante Beobachtung kann man mit fast jedem Spracherkenner machen:
Wenn die Übereinstimmung der zu erkennenden Aufnahme mit einem
Muster oder einem Modell über der Zeit gemessen wird, hat die Meßkurve
stets in etwa den gleichen Verlauf, unabhängig vom Vergleichsmuster oder
dem zugrundegelegten Modell. Das heißt, die Varianz der Übereinstimmung,
die durch den Vergleich mit verschiedenen Modellen entsteht, ist meist
deutlich kleiner als die Varianz, die durch das Signal beziehungsweise seine
Qualität selbst entsteht. Dies mag auf den ersten Blick als Problem für die
Spracherkennung erscheinen. In der Praxis kommt es aber auf die Varianz
der Signalqualität gar nicht so sehr an. Denn wenn es darum geht, das am
besten passende Modell zu einer Aufnahme zu finden, werden tatsächlich nur
die Übereinstimmungsunterschiede bei Vergleich mit verschiedenen Modellen
gemessen und davon das Optimum für die Klassifikation verwendet.
Trotzdem hat die Qualität des Signals einen großen Einfluß auf die Erkennungsrate.
Dabei sind manche Störungen, die der Mensch als unerträglich
empfindet (z.B. Rauschen) für Spracherkenner weniger problematisch und
andere, die der Mensch fast überhören kann (z.B. laute Hintergrundmusik,
Stimmen anderer Menschen) vom Erkenner sehr schwer in den Griff zu
bekommen.
Die Signalqualität hängt von der Aufnahmeumgebung ab. Welche
Geräusche außer der zu erkennenden Sprache gibt es noch? Was für ein
Mikrophon wird verwendet und wie ist es relativ zum Sprecher positioniert?
Was für ein Übertragungskanal wird verwendet (störungsfrei oder Telefon)?
2.6.1 Nahbesprechungsmikrophone
Nahbesprechungsmikrophone haben die Eigenschaft, daß sie die Leistung
des Audiosignals messen, welche umgekehrt proportional zum Quadrat des
Abstands der Schallquelle vom Mikrophon ist. Das heißt, daß ein Mikrophon,
das im Abstand von ca. 2 cm vom Mund – typisch für sogenannte Headsets
oder Bügelmikrophone – befestigt ist, den Sprachschall 2000- bis 3000-facher