Атты І халықаралық конференция ЕҢбектері
жүктеу/скачать 8,57 Mb. Pdf көрінісі
|
разделены на четыре больших класса: Методы дискриминантного анализа, основанные на Байесовской дискриминации [1]; Скрытые модели Маркова [2]; Искусственные нейронные сети [3]; Динамическое программирование – временные динамические алгоритмы (DTW) [4]; Следует отметить ряд преимуществ, к которым стремятся при разработке систем распознавания речи: 1. Непрерывная речь — возможность, позволяющая пользователям говорить естественно (непрерывно), не делая паузы между словами (дискретный ввод речи). 2. Большие словари — способность обрабатывать большое количество слов как общей, так и специальной категории из технических и предметных областей знаний с целью увеличения мощности и эффективности систем распознавания голоса. 3. Независимость от диктора — способность системы распознавать слова без персональной настройки компьютера путем повторения одного и того же речевого сигнала. Наиболее часто и успешно при распознавании слитной речи используется скрытая марковская модель (НММ) [5, 6] либо ИНС [6, 7]. Для распознования выбираются различные базовые единицы: фонемы, аллофоны, дифоны и трифоны и т.д. Для распознавания отдельных слов все же эффективны временные динамические алгоритмы (DTW) [8]. В связи с тем, что распознавание целых слов надежнее, мы выбрали технологию распознавания слов на основе наговоренной дифонной базы [9]. Суть в том, что система не распознает дифоны по отдельности, а сначала синтезирует из них эталоны слов, и затем распознает целые слова по алгоритму DTW. Преимущество системы в том, что для добавления нового слова нет необходимости обучать систему наговаривая слово, а достаточно ввести слово в текстовом виде. Автоматическое генерирование эталонов слов из дифонов позволит сделать шаг в сторону сверхбольших словарей, а дикторонезависимости системы можно добиться усреднением эталонов. жүктеу/скачать 8,57 Mb. Достарыңызбен бөлісу:
|