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

5. FREI VERFÜGBARE SPRACHERKENNER 36
den vorhandenen Kontext. So gibt es zum Beispiel Phoneme die nur sehr selten an Wortanfängen stehen
oder Phoneme die nie oder nur selten aufeinander folgen. Trotz dieser Verbesserung dauert die Spracherkennung
noch zu lange. Um die Liste der möglichen Phonemkandidaten weiter zu verkleinern gibt es
zusätzlich die Wortvorhersagedatenbank. Mit ihrer Hilfe werden Phoneme eliminiert, die keine gültigen
Wörter ergeben. Indem man das Vokabular zusätzlich noch auf die Wörter beschränkt, die man wirklich
benötigt, kann man die Erkennungsgeschwindigkeit weiter erhöhen. Sobald Phoneme erkannt sind,
werden sie in Wörter geparst, in Text Strings umgewandelt und an die Anwendung weiter gegeben.[19]
5.3 jlab Speech Server
5.3.1 Allgemeines
Der jlab Speech Server wurde im Jahre 2003 am Institut für Akustik und Sprachkommunikation (IAS)
der TU Dresden entwickelt und seit dem immer weiter verbessert. Obwohl jlab unter frei verfügbare
Spracherkenner aufgeführt ist, darf er nur mit Genehmigung des IAS genutzt werden und ist nur dort erhältlich.
Der Erkenner arbeitet ausschließlich auf deutsch. Die Erkennung läuft sprecherunabhängig ab,
wodurch ein zeitraubendes Eingangstraining für den Nutzer entfällt. Dadurch ist der jlab Speech Server
ist immer sofort einsetzbar. Um die Erkennungsrate zu verbessern, sollten Wörterbücher mit den Sprachkommandos
so klein wie möglich gehalten werden, so dass immer nur das minimal nötige Vokabular
geladen ist. Damit keine Verzögerungen auftreten ermöglicht der jlab Speech Server einen schnellen
Wechsel zwischen den Wörterbüchern.
Auf Basis des jlab Speech Servers wurden unter anderem schon die Diplomarbeiten ’Sprachsteuerung
eines Computerspiels - Untersuchungen zur Leistungsfähigkeit und Ergonomie’ [20] und ’Konzeption,
Realisierung und Evaluation einer multimodalen Benutzungsoberfläche für PDA-basierte Software’ [22]
verfasst, sowie eine Web-basierte Lernumgebung entwickelt. [27]
5.3.2 Aufbau
Der Grobaufbau des jlab Speech Server wird in Abbildung 5.5 gezeigt. Er kümmert sich um das Sitzungs-
, Netzwerk- und Sicherheitsmanagement und bietet Dienste zur Sprachsynthese, Sprechererkennung und
Spracherkennung. Im Folgenden wird es aber nur um die Spracherkennung gehen. Zum Speech Server
gehört natürlich noch ein Client, der je nach Anwendung erstellt werden muss. Er ist dafür zuständig,
beim Server eine neue Sitzung zu registrieren und das genutzte Vokabular, sowie alle Spracheingaben an
den Server zu übermitteln. Außerdem muss er noch auf die Erkennungsergebnisse reagieren. [27]