DIPLOMARBEIT

2.3 Spracherkennung
Ein Phonem‐Modell besteht aus mehreren Zuständen. Jeder Zustand ist verknüpft mit einer soge‐
nannten Emissionsverteilung für die Merkmalsvektoren und mit Transitionswahrscheinlichkeiten für
die drei möglichen Übergänge. Mit den Emissionsverteilungen wird einem Merkmalsvektor eine
Wahrscheinlichkeit zugeordnet, mit der er im zugehörigen Zustand beobachtet wird. Die Parameter
der Emissionsverteilungen werden in einer Trainingsphase anhand von umfangreichen Trainingsda‐
ten geschätzt.
Durch die drei möglichen Übergänge zwischen den Zuständen lässt sich die Variation der Sprechge‐
schwindigkeit modellieren. Der direkte Übergang zum Nachfolgezustand entspricht einer normalen
Sprechgeschwindigkeit, das Wiederholen eines Zustandes drückt eine langsamere Geschwindigkeit
aus und das Überspringen von Zuständen eine schnellere.
Abbildung 9: Variation der Sprechgeschwindigkeit bei Hidden Markov Modellen
Die Übergänge der Hidden Markov Modelle und die Abfolge der Merkmalsvektoren werden schließ‐
lich zu einer Gitterstruktur kombiniert. Es ist derjenige Pfad durch das Gitter zu finden, der das Pro‐
dukt aus den zugehörigen Emissions‐ und Transitionswahrscheinlichkeiten maximiert. Das erhaltene
Produkt entspricht dann der akustischen Wahrscheinlichkeit des Wortes.
25