Sprachliche Mensch-Maschine-Kommunikation

32 2. Eigenschaften und Taxonomie von Sprache und Spracherkennern
Aus der Sicht des automatischen Spracherkenners besteht Sprache aus
einer über der Zeitachse aufgetragenen Folge von Spannungsmessungen, die
am Mikrophon durch Luftdruckänderungen ausgelöst werden. In Abb. 2.3
sind drei Aufnahmen des Wortes ” sieben“ von der selben Person dargestellt.
Obwohl es sich jedes Mal um dasselbe Wort handelt, sehen die Aufnahmen
sehr verschieden aus. Bis jetzt ist es noch niemandem gelungen definitiv
festzulegen, wie bestimmte Laute in einer Aufnahme aussehen müßten oder
welche Eigenschaften die Aufnahme haben müßte. Man kann sehr wohl
einige Eigenschaften für die meisten Laute angeben. Allerdings zeigt sich in
der Praxis, daß zum einen diese Eigenschaften nicht immer leicht zu messen
sind und deren konkrete Ausprägung sehr stark schwanken kann, zum
anderen genügt selbst die Feststellung dieser Eigenschaften nicht immer, um
einen Laut zu identifizieren.
Es ist faszinierend, mit welcher Selbstverständlichkeit, wir Menschen einen
Laut oder ein Wort verstehen können, unabhängig davon, ob sie laut oder
leise, schnell oder langsam gesprochen sind, ob sie normal gesagt, geflüstert,
geschrien oder gesungen werden, unabhängig davon, wer sie spricht, in welcher
Gemütslage der Sprecher sind befindet, und unabhängig von vielen anderen
das Signal maßgeblich verändernden Kriterien.
Abb. 2.3. Drei Aufnahmen des Wortes ” sieben“