1 / 19

Rozpoznawanie mowy

Rozpoznawanie mowy. Konrad Żaba grupa UMSI. Język i mowa. Język – ukształtowany społecznie system budowania wypowiedzi w komunikacji interpersonalnej Ludzki język jest wyjątkowy Mowa – system artykułowania dźwięków Wykorzystanie języka w procesie komunikacji. Ludzki aparat mowy.

caroun
Download Presentation

Rozpoznawanie mowy

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Rozpoznawanie mowy Konrad Żaba grupa UMSI

  2. Język i mowa • Język – ukształtowany społecznie system budowania wypowiedzi w komunikacji interpersonalnej • Ludzki język jest wyjątkowy • Mowa – system artykułowania dźwięków • Wykorzystanie języka w procesie komunikacji

  3. Ludzki aparat mowy • Aparat mowy składa się z trzech grup narządów: • Aparatu oddechowego • Aparatu fonacyjnego • Aparatu artykulacyjnego

  4. Głos Głos ludzki to wibracje powietrza wytwarzane przez drgające struny głosowe • Rozpoznawanie głosu przez ludzi: • Artykulacja tworzy falę dźwięku • Fala trafia do ucha • Poddawana jest przetwarzaniu przez mózg

  5. Rozpoznawanie mowy Technologia pozwalająca komputerowi wyposażonemu w urządzenie do próbkowania dźwięku interpretować ludzką mowę. Wyróżniamy trzy rodzaje rozpoznawanie mowy: • Rozpoznawanie pojedynczych fonemów • Rozpoznawanie izolowanych słów • Rozpoznawanie łączonych słów i mowy ciągłej

  6. Historia • 1920r. - RADIO REX

  7. Historia • 1936r. Laboratoria AT&T Bella – początek prac • 1939r. „Voder” – pierwszy syntezator głosu • 1952r. „Audrey” – rozpoznaje cyfry • 1960r. IBM „Shoebox” – rozpoznaje 16 słów • 1971r. DARPA Speech Understanding Research • 1978r. Texas Instruments - „Speak and spell” • Rewolucyjny chip odpowiadający za syntezę głosu • 1985r. Kurzweil – 1000 słów

  8. Historia • 1987r. Kurzweil – 20000 słów • 1993r. – poprawność interpretacji 10% • 1995r. – poprawność interpretacji >50% • 1997r. Dragon NaturallySpeaking – rozpoznaje ciągłą mowę • 2001r. – poprawność interpretacji >80% • 2008r. – Google VoiceSearch • 2011r. – Apple,DARPA - SIRI

  9. Wykorzystanie • Pomoc niepełnosprawnym • Rozpoznawanie osób • Armia • Telefonia • Gadżety • Gry

  10. Algorytmy • Liniowe kodowanie predykcyjne • Jednoprzebiegowa metoda Bridle’a i Browna • Niejawne modele Markowa • Nieliniowa transformacja czasowa (DTW) • Sieci neuronowe • …

  11. Niejawne modele Markowa • Metoda statystyczna • Prawdopodobieństwo, że dźwięk w formie dyskretnego obrazu akustycznego jest słowem • Najczęściej stosowana metoda klasyfikacji

  12. Niejawne modele Markowa Realizację możemy podzielić na dwie fazy: • Uczenie - estymacja parametrów zbioru modeli (w postaci automatów skończonych) za pomocą wypowiedzi uczących • Rozpoznanie – wyznaczenie transkrypcji fonetycznej rozpoznawanych wypowiedzi

  13. Niejawne modele Markowa Przykładowy niejawny model Markowa

  14. Sieci neuronowe Rozpoznawanie mowy zalicza się do problemów rozpoznawania wzorców. Wyróżniamy dwa rodzaje algorytmów: • Statycznej klasyfikacji fonemów • Dynamicznej klasyfikacji fonemów

  15. Sieci neuronowe Sieci neuronowe dobrze radzą sobie z klasyfikacją obrazów, zatem można zaprezentować dyskretny obraz akustyczny jako spektrogram.

  16. Spektrogram Reprezentuje zmiany w amplitudzie widma (spektrum) poprzez czas. • Trzy wymiary: • Oś X : czas • Oś Y: częstotliwość • Oś Z: intensywność kolorów reprezentuje wielkość

  17. Nauka Cechą wspólną metod Niejawnych modeli Markowa i sieci neuronowych jest konieczność wstępnego procesu uczenia.

  18. Rozpoznawanie mowy polskiej • Ogólnopolski projekt MSWiA • Instytut Monitorowania Mediów – system wyszukiwania oparty na słowach kluczowych • SkryBot – 90% skuteczność skrybot.sourceforge.net • MagicScribe • System rozpoznawania mowy AGH ASR • …

  19. Dziękuję 

More Related