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

5. FREI VERFÜGBARE SPRACHERKENNER 33
Implementation
Es gibt verschiedene Implementationen für den Linguist.
• Der Flat Liguist passt besonders bei Erkennungsaufgaben mit kontextfreien Grammatiken, finitestate
Grammatiken, finite-state Wandlern und kleinen N-Gram Sprachmodellen. Alle diese externen
Sprachmodelle werden in interne Grammatikstrukturen umgewandelt. Dabei entsteht ein
gerichteter Wortgraph. Jeder Konten steht für ein Wort, jede Kante für die Übergangswahrscheinlichkeit.
Aus der internen Grammatikstruktur wird direkt der Search Graph erzeugt und vollständig
in den Speicher geladen. Dadurch ist der Flat Linguist zwar sehr schnell, hat aber Probleme bei
Grammatiken mit hohem Verzweigungsgrad.[26]
• Der Dynamic Flat Linguist ist dem Flat Linguist sehr ähnlich und damit auch für ähnliche Aufgaben
geeignet. Der Hauptunterschied ist dabei, dass der Search Graph, je nach Bedarf, dynamisch
konstruiert wird. Dadurch ist es zwar möglich mit weit komplexeren Grammatiken umzugehen,
gleichzeitig wird aber die Erkennungsgeschwindigkeit reduziert.[26]
• Der Lex Tree Linguist ist passend für alle Erkennungsaufgaben die große Vokabulare und N-Gram
Sprachmodelle nutzen. Die Wörter werden in sogenannten Lex Trees organisiert. Dabei handelt
es sich um eine kompakte Methode große Vokabulare darzustellen. Aus diesen Lex Trees werden
dynamische ’Suchzustände’ generiert. So können sehr große Vokabulare bei nur mäßigem Speicheraufwand
genutzt werden.[26]
5.1.3.3 Decoder
Die Hauptaufgabe des Decoders besteht darin, die Features, die vom Front End kommen, mit dem Search
Graph des Linguist zu verknüpfen. Daraus generiert er dann Annahmen über das Ergebnis. Der Decoder
umfasst einen austauschbaren Search Manager und anderen Code, der dabei hilft die Arbeit für die Anwendung
zu vereinfachen. Der interessanteste Teil des Decoders ist der Search Manager. Der Decoder
sendet ihm einfach die Anweisung, eine Anzahl von Features zu erkennen. In jedem Schritt des Erkennungsprozesses
generiert der Search Manager ein Ergebnisobjekt. Es beinhaltet alle Pfade die einen
finalen Zustand erreicht haben. Um das Ergebnis zu verarbeiten bietet Sphinx-4 Utilities. Mit ihrer Hilfe
können Konfidenzmaße für die einzelnen Ergebnisse berechnet werden. Dabei wird der Anwendung die
Möglichkeit gegeben, am Erkennungsprozess teil zu haben.
Der Search Manager wird nicht auf eine bestimmte Implementation beschränkt. Jeder Search Manager
nutzt einen Token-Algorithmus. Ein Sphinx-4 Token ist ein Objekt das mit einen Zustand innerhalb des
Erkennungsprozesses in Zusammenhang steht. Es beinhaltet die gesamte akustische und sprachliche Be-