Das akustische Modell eines Spracherkenners basiert auf Methoden der statistischen Mustererkennung, um eine parametrische Repräsentation der gesprochenen Äußerung zu ermöglichen. Zusammen mit einer Vorverarbeitung zur Datenreduktion, einem Wörterbuch zur orthografisch korrekten Darstellung und einem Sprachmodell zur Eingrenzung wahrscheinlicher Worte ist das akustische Modell das Kernelement des Dekoders zur Konvertierung gesprochener Sprache in geschriebenen Text. Diese Arbeit beschreibt als Schwerpunkt die Elemente eines hybriden akustischen Modells mit verbundenen Auftrittswahrscheinlichkeiten (TP, engl. tied-posteriors) bestehend aus einem statischen Klassifikator und Hidden-Markov-Modellen (HMM). Vorteile des TP-Ansatzes sind eine große Flexibilität, sowie eine niedrigere Wortfehlerrate bei relativ wenigen, zu trainierenden Parametern. Als Beispiele für geeignete statische Klassifikatoren werden neuronale Netze mit und ohne Rückkopplung und Support-Vektor-Maschinen ausführlich vorgestellt. Zur Verbesserung dieser neuronalen Netze sind neben der Phonem-, bzw. HMM-Zustandsklassifikation, Zusatzaufgaben parallel trainiert worden. Es hat sich als vorteilhaft herausgestellt, wenn zusätzlich das Geschlecht des Sprechers klassifiziert wird, da diese Aufgabe einfach zu lernen und unabhängig von der Lautklassifikation ist. Die Verwendung von SVM kann bisher nur bei sehr kleinem Vokabular (11 Zahlwörter) evaluiert werden, da die Klassifikation mit mehreren SVM bislang sehr viel Rechenzeit erfordert. Dennoch lassen sich einige positive Tendenzen dieses Systems besonders bezüglich der Robustheit gegenüber Geräuschen erkennen. Neben den sprecherunabhängigen Systemen werden weiterhin Möglichkeiten präsentiert, die TP-Modelle an einen einzelnen Sprecher zu adaptieren. Erwähnenswert ist hierbei, daß sowohl Parameter des Klassifikators (untersucht worden sind in dieser Arbeit neuronale Netze), als auch Parameter der HMM unabhängig voneinander und mit zusätzlichem Gewinn adaptiert werden können. Abschließend bieten hybride akustische Modelle zusätzliche Anwendungsmöglichkeiten für die verteilte Spracherkennung, bei der die Komponenten örtlich verteilt arbeiten und über einen Kanal verbunden sind. Besonders die Flexibilität bei der Veränderung einzelner Komponenten kann mit Gauß'schen akustischen Modellen nicht erreicht werden.     «

Das akustische Modell eines Spracherkenners basiert auf Methoden der statistischen Mustererkennung, um eine parametrische Repräsentation der gesprochenen Äußerung zu ermöglichen. Zusammen mit einer Vorverarbeitung zur Datenreduktion, einem Wörterbuch zur orthografisch korrekten Darstellung und einem Sprachmodell zur Eingrenzung wahrscheinlicher Worte ist das akustische Modell das Kernelement des Dekoders zur Konvertierung gesprochener Sprache in geschriebenen Text. Diese Arbeit beschreibt als Sc...     »

The speech recognizer's acoustic model is based on statistical pattern recognition to generate a parametric representation of a spoken utterance. The acoustic model is one of the decoder's core elements In combination with a feature extraction module for data reduction, a dictionary for orthographic transcription and a language model for modeling probable word sequences. This thesis' main focus is the hybrid acoustic model using a statistical classifier and hidden Markov models (HMM) connected by tied posterior probabilities (TP). Its main advantages are a high flexibility, low word error rates and a relatively small number of trainable parameters. From the variety of statistical classifiers multi-layer perceptrons, recurrent neural networks and support vector machines are presented in detail. To improve the neural networks additional tasks are to be classified on top of phoneme (or HMM state) classification. A successful one is the speaker's gender a task that is independent of the spoken phonemes and which can be learned easily by a neural network. A classifier composed of a set of support vector machines is evaluated only with a very small vocabulary size (11 digit words) due to a very long computation time. Positive tendencies especially with respect to robustness against noise are observable. Furthermore the speaker independent TP-models are adapted towards one specific speaker. The parameters of the classifier (neural networks have been investigated in this work) and the HMMs can be tuned independently with additional gain if both sets of parameters are adapted. Finally hybrid acoustic models are applied to distributed speech recognition where the recognizer's components are locally separated and connected with a channel. The TP-models are shown to be superior to Gauss models especially in terms of their flexible architecture.     «

The speech recognizer's acoustic model is based on statistical pattern recognition to generate a parametric representation of a spoken utterance. The acoustic model is one of the decoder's core elements In combination with a feature extraction module for data reduction, a dictionary for orthographic transcription and a language model for modeling probable word sequences. This thesis' main focus is the hybrid acoustic model using a statistical classifier and hidden Markov models (HMM) connected b...     »