Sprachliche Mensch-Maschine-Kommunikation

28 2. Eigenschaften und Taxonomie von Sprache und Spracherkennern
anderer Personen, kaum möglich. Der so genannte Cocktail-Party-Effekt
beschreibt die Problematik, eine einzelne Stimme aus einem Wirrwarr vieler
verschiedener Stimmen herauszuhören. Wir Menschen sind bei dieser Aufgabe
erstaunlich gut. Wir können selbst relativ leise Stimme von Personen
verfolgen und mithören, die sich in einer Menschenmenge weiter weg von uns
befinden, als manche in unmittelbarer Nachbarschaft sprechende Menschen.
Wenn wir uns konzentrieren, können wir aus einer Aufnahme, auf der zwei
bis drei Leute mit gleicher Lautstärke sprechen jeden einzelnen Sprecher
heraushören und erkennen, was er sagt. Die Spracherkennungstechnik ist bei
weitem noch nicht in der Lage diese Fähigkeit auch nur annährend so gut
nachzuahmen.
2.7 Das Vokabular
Ein Kriterium, das die Anfänge der Entwicklung der Spracherkennungsforschung
begleitet hat war die Größe des Erkennervokabulars, das heißt
die Zahl der verschiedenen Wörter, die ein Erkenner gleichzeitig erkennen
kann. Während man früher vor allem an der Erkennung einzelner Laute
und später einzelner vollständiger Wörter arbeitete, wurde klar, daß die
Schwierigkeit mit der Zahl der zu erkennenden Wörter schnell steigt.
Spracherkennungssysteme waren nur für sehr eingeschränkte eng umrissene
Aufgaben möglich. Anfang und Mitte der Achtziger Jahre sprach man
noch von großen Vokabularen ab ca. 1000 Wörtern. In den Neunzigern war
die Größe von 64000 Wörtern lange Zeit Standard für große Vokabulare
(LVCSR = Large Vocabulary Continuous Speech Recognition). Diese Größe
hatte drei Ursachen: Zum einen läßt sich so das Vokabular mit 16 Bits
codieren, zum anderen genügt diese Größe, um im Englischen mehr als
99% der in Zeitungstexten verwendeten Wörter abzudecken, und drittens
wurde der in den Neunzigern beliebte Benchmarktest, der auf vorgelesenen
Wall-Street-Journal-Artikeln basiert, auf eine Vokabulargröße von 60000
Wörtern festgelegt.
2.8 Kommunikationsart
Einen wichtigen Einfluß auf die Schwierigkeit einer Erkennungsaufgabe hat
die Art der Kommunikation. Damit meinen wir, ob sich zwei Personen
miteinander unterhalten, also ein Dialog stattfindet, oder ob eine Person
allein redet (z.B. Briefe diktiert oder einen Vortrag hält).