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

5. FREI VERFÜGBARE SPRACHERKENNER 28
5 Frei verfügbare Spracherkenner
Im vorherigen Kapitel wurde ein Überblick über schon vorhandene Sprachsteuerungssoftware gegeben.
In diesem Kapitel hingegen werden drei Systeme vorgestellt, die dem Programmierer die Möglichkeit
geben Sprachsteuerung in eigene Anwendungen zu integrieren. Es wird gezeigt, dass diese Systeme sehr
unterschiedliche Eigenschaften besitzen. Eines der Systeme erkennt die deutsche Sprache, wohingegen
die anderen für die englische Sprache entwickelt wurden. Außerdem erkennt eines der Systeme nur
sprecherabhängig, was wiederum mit sprecherunabhängigem Erkennen nur schwer zu vergleichen ist.
5.1 Sphinx-4
5.1.1 Allgemeines
Sphinx-4 wurde von der Sphinx Gruppe an der Carnegie Mellon Universität, Mitsubishi Electric Research
Labs, Sun Microsystems Laboratorien und Hewlett Packard entwickelt. Dabei wurden sie von der
Universität von Kalifornien in Santa Cruz und dem Massachusetts Institut of Technologie unterstützt.
Bei Sphinx-4 handelt es sich um ein Spracherkennungssystem, das komplett in Java geschrieben wurde.
[4]
5.1.2 Aufbau
Die Abbildung 5.1 zeigt den Aufbau der Architektur von Sphinx-4. Sphinx-4 wurde sehr flexibel und
modular entworfen. Jeder der beschriebenen Teile kann einfach ausgetauscht werden ohne das dafür an
den anderen Systemteilen Veränderungen vorgenommen werden müssen.
Es existieren die drei Hauptmodule Front End, Decoder und Liguist. Das Front End nimmt ein oder
mehrere Eingangssignale und zerlegt diese in eine Folge von Features (Merkmalsvektoren). Der Liguist
erstellt aus dem Language Model, den Ausspracheinformationen aus dem Dictionary und den strukturellen
Informationen aus einem oder mehreren Acoustic Models einen Search Graph. Der Search Manager
arbeitet innerhalb des Decoders. Er nutzt den Search Graph um aus den Features, die er vom Front End
erhält, die Eingabe zu entschlüsseln und das Ergebnis zu generieren. Dabei kann die Anwendung jeder-