Statistische Spracherkennung

Zusammenfassung

Dieses Kapitel behandelt den statistischen Ansatz der Spracherkennung. Ausgehend von der informationstheoretischen Betrachtungsweise der Spracherkennung wird das Konzept des MAP-Erkenners erläutert, der nach der Maximum-a-posteriori-Regel arbeitet. Über den Satz von Bayes kann die MAP-Wahrscheinlichkeit als Produkt zweier Wahrscheinlichkeiten ausgedrückt werden. Die zugehörigen Wahrscheinlichkeitsverteilungen werden als akustisches Modell und als Sprachmodell bezeichnet. Letzteres wird im Kapitel 14 behandelt.

Das akustische Modell beschreibt die Wahrscheinlichkeitsverteilung von Sprachmerkmalen für gegebene linguistische Einheiten. In diesem Kapitel wird gezeigt, wie HMM trainiert werden können, um akustische Modelle für Laute oder Wörter zu erhalten. Zudem wird erklärt, wie solche Modelle zu einem Erkennungsnetzwerk zusammengefügt und mittels des Viterbi-Algorithmus in einem Spracherkenner eingesetzt werden.