Sprachgesteuerte 3D-Angiographie - Sympalog Voice Solutions ...

Abbildung 2: C-Bogen-System zur 3D-Darstellung von Gefäßen (Quelle: Siemens Medical Solutions).
• Kommandowort-Systeme: Diese Kategorie von Systemen ist immer noch sehr weit verbreitet,
da sie wenig Rechenaufwand erfordert, es billige Chips dafür gibt und da der Anwender
den Wortschatz selbst festlegen kann. Ein System kann ca. 10 bis 100 Einzelwörter
erkennen, jedes davon löst eine Aktion aus. Der Anwender muß jedes der Kommandowörter
ein- oder mehrmals sprechen. Aus den Sprachsignalen werden Merkmale berechnet und abgespeichert.
Wird ein neuer Befehl gesprochen, so werden die daraus berechneten Merkmale
mit allen gespeicherten Befehlen verglichen (Dynamische Zeitverzerrung) und das System
entscheidet sich für den Befehl mit dem kleinsten Abstand. Ein wichtiger Nachteil dieses
Ansatzes ist die Sprecherabhängigkeit des Systems: Wechselt der Anwender, so muss
das gesamte System neu trainiert werden. Typische Anwendungen sind die Sprachwahl
bei Handys (siehe die Telekom-Werbung “Wenn Sie Ihre Oma anrufen wollen, sagen Sie
einfach ‘Oma’!”) oder einfache Gerätesteuerungen (“links”, “rechts”, “stop”).
• Kommando- und Kontroll-Systeme: Die oben genannten Systeme stoßen sehr schnell
an ihre Grenze, wenn es um die Parametrierbarkeit der Befehle geht (“nach links um
Grad”). Die Tatsache, dass man einer Benutzeräußerung nicht mehr eine Aktion
zuordnen kann, hat wichtige Konsequenzen: die erkannte Wortkette muß analysiert werden;
der einzelne Anwender kann nicht mehr alle kombinatorisch möglichen Äußerungen
vorab sprechen. Daher wird die Erkennung und Interpretation der Befehle mit grundsätzlich
anderen Verfahren durchgeführt: statt sprecherabhängigem Schablonvergleich werden
Verfahren zur sprecherunabhängigen Erkennung (insbesondere “Hidden Markov Modelle”)
und zur Interpretation der erkannten Kette der am wahrscheinlichsten gesprochenen
Wörter (insbesondere “Endliche Automaten”) verwendet. Eine wichtige Unterscheidung
besteht zwischen folgenden Erkennertypen:
– Grammatik-basierte Erkenner: Die Menge der möglichen Befehle wird vorab exakt
festgelegt und in einem Graph abgespeichert. Der Erkenner benutzt den Graphen
und lässt nur Pfade in dem Graphen als gültige Kommandos zu. Jedem Pfad wird
eine Interpretation zugeordnet. Damit steht die Bedeutung des Kommandos nach
der Erkennung fest. Da nicht alle Wörter zu jedem Zeitpunkt möglich sind, wird die
Zahl der Erkennungsfehler stark reduziert. Ein Nachteil ist, dass der Benutzer die
Wortfolge der Befehle exakt kennen muss.