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

9. ABSCHLIESSENDE BETRACHTUNGEN 63
9 Abschließende Betrachtungen
9.1 Resümee
Zu Beginn dieser Arbeit wurden zunächst einige grundlegende Informationen über Spracheingabe und
den Aufbau von Spracherkennern gegeben. Danach wurden einige momentan verfügbare Spracherkenner
vorgestellt.
Im Hauptteil dieser Arbeit wurden drei freie Erkenner vorgestellt und verglichen. Dabei handelte es sich
zum einen um Sphinx von, unter Anderen, der Carnegie Mellon Universität. Dieser Erkenner bietet eine
knappe Dokumentation und einige Beispielanwendungen. Der Nachteil ist, dass Sphinx eine Art Baukasten
für Spracherkenner ist. Man hätte also zunächst seinen eigenen Erkenner aufbauen müssen, bevor
man ihn in einer Anwendung nutzen kann. Sphinx ist in Java implementiert.
Jlab vom Institut für Akustik und Sprachkommunikation der TU Dresden bietet einen fertigen Erkenner
der für Befehlseingabe konzipiert ist und mit der deutschen Sprache arbeitet. Nachteilig wirkt sich bei
Jlab das Vokabular aus. Durch das Angeben der Befehle in Phonemschrift ist es für Laien sehr schwer
ein korrektes Vokabular zu erstellen. Außerdem kann sehr viel Feinarbeit nötig sein, um die Rückweisungsschwellen
korrekt anzugeben, damit Verwechslungen durch den Erkenner ausgeschlossen werden.
Der dritte Erkenner war die Microsoft Speech API. Sie bietet eine gute Dokumentation und eine Vielzahl
von guten Beispielen zur Einarbeitung. Der Erkenner ist für Diktieranwendungen, sowie Befehlseingabe
gedacht. Er arbeitet mit der englischen Sprache, es existieren aber Pakete für andere Sprachen. Außerdem
handelt es sich bei der SAPI um den einzigen der drei Erkenner, der in C++ geschrieben ist.
Im Anschluss daran wurden mit den Erkennern einige Tests durchgeführt. Bei der Befehlseingabe lag jlab
mit 86,5Prozent Worterkennungsrate vor der SAPI mit 83,63Prozent. Am schlechtesten schnitt Sphinx,
mit einer Rate von 72,71Prozent, ab. Letztendlich muss man sagen, dass dabei keiner der Erkenner
wirklich überzeugende Ergebnisse geliefert hat. Anschließend wurde auch die Worterkennungsrate für
die Diktieranwendung der SAPI getestet. Das mittlere Ergebnis dieses Tests lag bei 68,3Prozent. Danach
wurden noch einmal alle drei Erkenner miteinander verglichen.
Im letzten Kapitel dieses Belegs wurde eine Schnittstelle auf Basis der SAPI beschrieben. Die Schnittstelle
versucht die SAPI spezifischen Merkmale zu verdecken um so eine einfachere Möglichkeit zu