Sprachliche Mensch-Maschine-Kommunikation

26 2. Eigenschaften und Taxonomie von Sprache und Spracherkennern
stärker aufnimmt, als gleichlaute Geräusche in etwa 1 m Entfernung. Der
Autor hat selbst die Erfahrung gemacht, daß bei Verwendung eines billigen
Nahbesprechungsmikrophons die Erkennungsgenauigkeit des auf mehreren
Messen vorgeführten Spracherkenners nicht merklich darunter leidet, wenn
am 10 m entfernten Nachbarstand so laute Musik gespielt wird, daß man sich
dort fast nur schreiend unterhalten kann. Fast die gesamte Forschung auf
dem Gebiet der Spracherkennung bis Mitte der neunziger Jahre wurde im
wesentlichen mit Nahbesprechungsmikrophonen gemacht. Die Signalqualität
von fernbesprechbaren Mikrophonen – oft auch Raummikrophone genannt
– ist selbst bei vorherigem Wissen über den Abstand der Schallquelle zum
Mikrophon deutlich schlechter. Die größten Schwierigkeiten aber kommen
dadurch zum Vorschein, daß Störgeräusche jeglicher Art viel stärker in
die Aufnahmen eingehen, vor allem dadurch, daß die Variationen der
Signale, hervorgerufen durch viel mehr verschiedene mögliche Abstände und
Eigenschaften der Raumakustik, stark zunehmen.
Man kann feststellen, daß selbst bei großem Abstand (von ca. 2 bis 3
Metern) Sprache noch verhältnismäßig gut erkannt werden kann, wenn zuvor
dieser Abstand genau bekannt ist und keine Störgeräusche vorhanden sind.
Das gelingt nur deshalb gut, weil der Spracherkenner auf diese besonderen
Abstands- und Raumakustikverhältnisse spezialisiert wird. Wenn aber keine
idealen Bedingungen vorliegen, und der Abstand nicht bekannt ist, fällt die
Erkennungsgenauigkeit dramatisch ab.
2.6.2 Telefongespräche
Auch wenn in den Zeiten der Breitband-Individualkommunikation es immer
mehr möglich ist, Sprache nahezu unverfälscht zu übertragen, so ist dennoch
damit zu rechnen, daß in vielen Teilen der Welt noch eine Zeit lang Sprachkommunikation
über das Medium Telefon geführt wird, so wie es seit über
hundert Jahren praktiziert wird.
Fast alle Telefonnetze der Welt verwenden einen Bandpaßfilter, der
nur einen Teil des akustischen Spektrums durch die Leitungen überträgt –
typischerweise in etwa zwischen 300 Hz und 3000 Hz. Nicht nur automatische
Spracherkenner, auch Menschen haben größere Probleme, Telefonsprache
zu verstehen, als breitbandige Sprache. Insbesondere diejenigen Laute, die
sich vor allen durch Frequenzanteile jenseits der oberen Grenze von 3000
Hz manifestieren sind schwerer zu unterscheiden. So kann man z.B. am
Telefon ein S von einem F viel schwerer trennen, als wenn man dem Sprecher
gegenüber steht.