Belegarbeit (.pdf - 2.3 MB) - Technische Universität Dresden

4. ERHÄLTLICHE PROGRAMME 24
zu integrieren. Microsoft bietet vier Standardcharaktere an. Man hat allerdings zusätzlich die Möglichkeit,
eigene zu erstellen oder weitere Charaktere von Fremdanbietern zu erhalten. Die Basis für den
Microsoft Agent ist die Microsoft Speech API 4.0. Sie muss in jedem Fall installiert werden um, mit
dem Agent zu arbeiten. Wird der Agent in einem Programm aktiv, führt die vom Entwickler definierten
Aktionen aus. Zum Beispiel kann er dem Anwender mit Hilfe der verschiedenen TTS Engines Hinweisen
geben oder auf Spracheingaben reagieren. Für TTS werden unter anderen Engines für U.S. Englisch,
britisches Englisch, Französisch, Deutsch und Italienisch geboten. Die Spracheingabe wird jedoch nur
für U.S. Englisch unterstützt. Alle Downloads finden sich unter [13], zusätzliche TTS Fremdanbieter
unter [12]. Weiter Informationen zur genaueren Funktionsweise der SAPI sind in Kapitel 5.2 zu finden.
4.1.2 CVoiceControl
CVoiceControl ist ein Spracherkennungssystem von Daniel Kiecza. Es ermöglicht dem Linuxanwender
Sprachbefehle mit Unix Kommandos zu verknüpfen. Es erkennt automatisch Spracheingaben mittels
Mikrofon. Falls diese Eingaben korrekt erkannt werden, führt CVoiceControl die zugehörigen Kommandos
aus. Damit die Eingabe erkannt werden kann muss mindestens ein Sprechermodell angelegt werden.
Einen entsprechenden Editor gehört schon zu CVoiceControl. In einem Sprechermodell befindet sich
je Sprachkommando eine Beschreibung dessen, was gesagt wird, das auszuführende Kommando selbst
und Vergleichswerte für den Erkenner. Bei den Vergleichswerten handelt es sich um Sprachaufnahmen
des Kommandos, die man selbst anfertigen muss. Da direkt die Ähnlichkeit zwischen dem eintreffenden
Sprachsignal und den Vergleichswerten berechnet wird ist es vorteilhaft mehrere Vergleichswerte pro
Kommando aufzunehmen. Die vorgegebene Mindestzahl beträgt dabei vier. Da der Erkenner die Amplitude
des eintreffenden Sprachsignals nicht anpasst, muss man bei der Spracheingabe darauf achten, dass
die Entfernung zwischen Mund und Mikrofon sowie die Aussprachelautstärke konstant bleiben. Indem
man Vergleichswerte nicht nur in verschiedenen Betonungen sondern auch in verschiedenen Lautstärken
aufnimmt, kann hier möglicherweise Abhilfe geschaffen werden. Leider ist dazu nichts im Online
Handbuch zu finden. [10] CVoiceControl bietet damit einen sprecherabhängigen Spracherkenner. Das
Training des Erkenners wird hier durch das anlegen der Vergleichswerte erledigt. Es ist nur diskrete
Spracheingabe möglich. Dies ist für die Eingabe einzelner Befehlswörter oder Befehlswortgruppen aber
vollkommen ausreichend. Wie in Kapitel 2.2.1 gesagt, sollte das Vokabular des Erkenners so klein wie
möglich gehalten werden, um die Rechenzeit zu sparen und Verwechslungsfehler auszuschließen. Dies
ist in CVoiceControl gegeben, indem man mehrere Sprechermodelle für verschiedene Anwendungen
anlegt und immer nur das benötige Modell lädt.