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

7. AUSWAHL EINES SPRACHERKENNERS 47
7 Auswahl eines Spracherkenners
In diesem Abschnitt werden noch einmal kurz die Vorteile und Nachteile der einzelnen Erkenner angesprochen.
Auf dieser Basis wird einer von ihnen für die Implementation einer vereinfachten Schnittstelle
ausgewählt.
Bei CMU Sphinx handelt es sich um eine Arte Baukasten für Spracherkenner. Der Entwickler erhält
so die Möglichkeit, einen eigenen Spracherkenner nach seinen Bedürfnissen zu erstellen. Dadurch ist
das Ergebnis sehr flexibel in seiner Funktionalität. Man benötigt keine Trainingsphase bevor man beginnen
kann damit zu arbeiten. So ist ein schneller Wechsel zwischen verschiedenen Nutzern und sogar
die gleichzeitige Verwendung durch mehrere Nutzer möglich. Leider handelt es sich bei CMU Sphinx
nicht um einen fertigen Spracherkenner, sondern wie schon erwähnt um eine Art Baukasten. Das heißt,
man müsste den endgültigen Erkenner erst konzipieren und entwickeln, bevor man ihn in irgendeine andere
Anwendung integrieren kann. Ein weiterer Nachteil besteht darin, dass auch bei den vorhandenen
Beispielen die Erkennungsrate nicht besonders gut war.
Die Microsoft Speech API ist schon ein fertiges System. In einer Vielzahl von Beispielanwendungen
wird gezeigt, wie exakt der Erkenner arbeiten kann. Er wird sogar in einer Diktieranwendung genutzt,
die freie Texte erkennt, also mit großen Vokabularen umgehen kann. Natürlich besteht die Möglichkeit in
der eigenen Anwendung auch ein eigenes, kleineres Vokabular zu definieren, wodurch die Erkennungsrate
noch verbessert werden kann. Standardmäßig unterstützt die SAPI 5.1 U.S. Englisch. Außerdem
kann man noch Paket für verschiedene andere Sprachen nachladen. Zusätzlich zu den Beispielanwendungen
bekommt man noch einige Tutorials geboten. In ihnen wird gezeigt, wie man die SAPI in die
eigenen Anwendungen integriert. Der Nachteil der SAPI von Microsoft besteht allerdings darin, dass vor
Beginn der Arbeit eine Trainingsphase für den Erkenner nötig ist. Je nachdem wieviel Zeit man sich dabei
nimmt und wieviele der möglichen Trainingssitzungen man absolviert, wird die Wahrscheinlichkeit
erhöht, dass die erkannten Worte auch die gesprochenen sind. Somit ist es nicht möglich sofort mit der
Arbeit zu beginnen. Dazu kommt noch, dass die SAPI nur für einen Benutzer je Gerät gedacht ist. Es
wird also ein globales Profil angelegt. Dieses Profil wird für jede Anwendung, die mit der SAPI arbeitet
geladen. Mehrere Profile sind nicht möglich. Man kann zwar trotzdem mehrere Nutzer an einem System
arbeiten lassen, aber da sich dabei das Sprecherprofil jedes mal gravierend ändert, ist dann kein optimales