PROGRAMM - DAGA 2012

122 DAGA 2012 ProgrammRecognition (ASR) can be dramatic. In this paper, we demonstrate thiseffect on a strong recognition system for German broadcast news, usinga dedicated fire fighter radio transmitter. We will dissect the influence ofthe hardware and the software components by analysing the word errorrate, typical word substitutions and changes in the extracted features.We also suggest countermeasures to obtain a stronger ASR system inthis setting.Di. 14:50 radon 3.05 SprachverarbeitungSchätzung der idealen binären Maske mittels Bayes’scher Klassifikationunter Einfluss von Störgeräusch und NachhallC. Kowalski, T. May und S. van de ParUniversität Oldenburg, Institut für Physik - AkustikUnter realen Bedingungen sind Sprachsignale verschiedenen Störeinflüssen,z.B. Störgeräusch oder Nachhall, ausgesetzt. Diese Einflüssesorgen dafür, dass einige Zeit-Frequenz-Punkte keine verlässlichen Informationenüber das Sprachsignal beinhalten. Bei der Sprecher- bzw.Spracherkennung gibt es verschiedene Möglichkeiten mit diesem als”Missing Data” bezeichneten Problem umzugehen. Diese Methoden setzenjedoch eine ideale binäre Maske (IBM) voraus, welche die Zeit-Frequenz-Repräsentation des gestörten Sprachsignals in verlässlicheund nicht verlässliche Bereiche unterteilt. Unglücklicherweise steht dieIBM unter realen Bedingungen nicht zur Verfügung und muss somitgeschätzt werden. Es wird eine Methode vorgestellt, welche die IBMmittels eines Bayes’schen Klassifikators schätzt. Dabei wird die Schätzungfür jeden Kanal einer Gammatone-Filterbank durchgeführt. Als primäresMerkmal wird eine Störgeräuschschätzung verwendet, welchekanalübergreifend in die Klassifikation einfliesst. Um die Robustheit dergeschätzten Masken in verhallten Umgebungen zu erhöhen, wird dieSchätzung mit einer Onset-Maske kombiniert, die den Direktschallanteilwiederspiegelt. Die Evaluation erfolgt durch Sprechererkennungsratenin Störgeräuschumgebung und unter Einfluss von Nachhall. Dabei wirddas Augenmerk auf den Zusammenhang zwischen den Erkennungsratenund der Qualität der geschätzten IBM gerichtet.Di. 15:15 radon 3.05 SprachverarbeitungOptimierung audiovisueller Medien für verschiedene versorgte undunversorgte Hypakusis-PathologienC. Simon und G. FassioStudiengang Ton, HFF PotsdamDie Sprachverständlichkeit audiovisueller Medien wie Film und Fernsehenkann aufgrund der individuellen Hörschädigung und Rezeptionsumgebungdes Zuschauers sowie der technischen Eigenschaften desSendesignals stark beeinträchtigt sein. In der Studie wird untersucht, inwieweitdieses Problem durch eine Sprachverständlichkeits-Optimierungdes Sendesignals in der Ton-Postproduktion audiovisueller Medien gelöstwerden kann. Die Signalmodulation erfolgt unter anderem in den