Zusammenfassung
Das Isadora-System ist ein HMM-basiertes System zur Analyse von Sprachsignalen. Phonetische, morphologische und grammatische Spracheinheiten werden durch die Knoten eines hierarchischen Konstituentennetzes repräsentiert. Gewöhnliche Links-Rechts-Markovmodelle dienen der akustischen Modellierung minimaler Netzknoten, während die Modelle komplexerer Knoten durch geeignete Verknüpfungen (Hintereinander- und Parallelschaltung, Räckkopplung) kleinerer HMMs konstruiert werden.
Mit diesem Formalismus reduziert sich der Entwurf eines Spracherkennungsmoduls auf die Konstruktion eines geeigneten Netzes von Spracheinheiten. Durch den sukzessiven Aufbau neuer Netzknoten mithilfe obengenannter Verknüpfungen definieren wir etwa das Inventar der relevanten Wortuntereinheiten nebst der Struktur ihrer akustischen Modellierung, aber auch morphologische Strukturen, (reguläre) Satzgrammatiken und selbst das zu lösende Erkennungsproblem: verschiedene einschlägige Spracherkennungsaufgaben wie Einzel- und Verbundworterkennung, Phonemsegmentierung oder syntaxgesteuerte Satzerkennung sind im Isadora-System nicht „fest verdrahtet“, sondern geschehen durch die Anwendung des ViterbiAlgorithmus auf das Markovmodell geeignet strukturierter Netzknoten.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
L. Bahl, P. Brown, P. deSouza, R. Mercer: A New Algorithm for the Estimation of Hidden Markov Model Parameters. In Proc. Int. Conf. on Acoustics, Speech, and Signal Processing, S. 493–496, 1988.
L. Baum: An Inequality and Associated Maximization Technique in Statistical Estimation for Probabilistic Functions of Markov Processes. Inequalities, 3: S. 1–8, 1972.
X. Huang, M. Jack: Semi-Continuous Hidden Markov Models for Speech Signals. Computer Speech & Language, 3 (3): S. 239–251, 1989.
F. Jelinek, R. Mercer: Interpolated Estimation of Markov Source Parameters from Sparse Data. In E. Gelsema, L. Kanal (Editoren): Pattern Recognition in Practice, S. 381–397, North Holland, 1980.
B. Juang, L. Rabiner: Mixture Autoregressive Hidden Markov Models for Speech Signals. IEEE Trans. on Acoustics, Speech, and Signal Processing, 33 (6): S. 1404–1413, 1985.
K. Lee: Automatic Speech Recognition, The Development of the SPHINX System. Kluwer Academic Publishers, Boston, Dordrecht, London, 1989.
B. Lowerre, D. Reddy: The Harpy Speech Understanding System. In W. Lea (Editor): Trends in Speech Recognition, S. 340–360, Prentice-Hall Inc., Englewood Cliffs, New Jersey, 1980.
II. Ney: The Use of a One-stage Dynamic Programming Algorithm for Connected Word Reco- gnition. IEEE Trans. on Acoustics, Speech, and Signal Processing, 32: S. 263–271, 1984.
H. Ney: Spracherkennung mit stochastischen Grammatiken. In E. Paulus (Editor): Mustererkennung 87 (9. DAGM Symposium), S. 118–122, Springer, 1987.
A. Paeseler, II. Ney: Continuous Speech Recognition Using a Stochastic Language Model. In Proc. Int. Conf. on Acoustics, Speech, and Signal Processing, S. 719–721, Glasgow, 1989.
L. Rabiner: Mathematical Foundations of Hidden Markov Models. In H. Niemann, M. Lang, G. Sagerer (Editoren): Recent Advances in Speech Understanding and Dialog Systems, S. 183205, Springer, 1988.
G. Rigoll: An Information Theory Approach to Speaker Adaptation. In Proc. European Conf. on Speech Technology, S. 494–497, 1989.
S. Young, C. Proctor: The Design and Implementation of Dialogue Control in Voice Operated Database Inquiry Systems. Computer Speech & Language, 3 (4): S. 329–353, 1989.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Schukat-Talamazzini, E.G., Niemann, H. (1991). Das Isadora-System — ein akustisch-phonetisches Netzwerk zur automatischen Spracherkennung. In: Radig, B. (eds) Mustererkennung 1991. Informatik-Fachberichte, vol 290. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08896-8_32
Download citation
DOI: https://doi.org/10.1007/978-3-662-08896-8_32
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54597-2
Online ISBN: 978-3-662-08896-8
eBook Packages: Springer Book Archive