Invariante Merkmale für die automatische Spracherkennung

语言识别系统非常强大，因为它可以在人类的更深处找到答案。这些镀金的东西，如果没有明显的色彩，或者如果有大的变化，就可以在中间的布雷彻集团中找到。Gründe也是一种非常有效的方法，可以用来描述健壮的Merkmalsextraktion、Adaptation、Spracheinheiten的建模以及Dialekten和Aussprachevariationen的建模。语言在处理外部变量（Nachhall、Störungen、Mikrofon）方面也有其独特的语言变量，如Sprecher、Alter、Geschlecht、Vokaltraktdimension、Akzent/Dialekt、Sprechgeschwindigkeit和emotionaler Zustand。Das vorliegende Forschungsvorhaben soll sich insbesondere mit denjenigen Variabilitäten in Sprachsignalen befassen，die auf unterschedliche Vokaltraktlängen der Sprecher zurückzuführen sind. Das vorliegende Forschungsvorhaben soll sich insbesondere mit denjenigen Variabilitäten in Sprachsignalen befassen，die auf unterschedliche Vokaltraktlängen der Sprecher zurückzuführen sind. Ziel is dabei，die Erkennungsleistung und Robustheit der automatischen Sprackerkennung in sprecherunabhängigen Erkennungsaufgaben deutlich zu erhen und dabei ebenfalls eine Robustheit gegenüber extrinsischen Einflüssen zu erzielen.正确的韦尔登是通过对不变性的方法进行优化和设计。

Die Leistungsfähigkeit heutiger Spracherkennungssysteme liegt trotz großer Anstrengungen noch weit hinter der des Menschen. Dies gilt insbesondere dann, wenn ungünstige akustische Bedingungen herrschen oder wenn große Variationen innerhalb der Gruppe der betrachteten Sprecher vorliegen. Als Gründe sind hierbei die noch unzureichenden Methoden der robusten Merkmalsextraktion, der Adaptation, der Modellierung von Spracheinheiten und der Modellierung von Dialekten und Aussprachevariationen zu nennen. Die Schwächen liegen sowohl in der Behandlung extrinsischer Variabilitäten (Nachhall, Störungen, Mikrofon) als auch im Umgang mit intrinsischen Sprach-Variabilitäten wie Sprecher, Alter, Geschlecht, Vokaltraktdimension, Akzent/Dialekt, Sprechgeschwindigkeit und emotionaler Zustand. Das vorliegende Forschungsvorhaben soll sich insbesondere mit denjenigen Variabilitäten in Sprachsignalen befassen, die auf unterschiedliche Vokaltraktlängen der Sprecher zurückzuführen sind. Ziel ist es dabei, die Erkennungsleistung und Robustheit der automatischen Spracherkennung in sprecherunabhängigen Erkennungsaufgaben deutlich zu erhöhen und dabei ebenfalls eine Robustheit gegenüber extrinsischen Einflüssen zu erzielen. Erreicht werden soll das Ziel durch die Entwicklung und Optimierung spezieller Methoden zur Invariantengewinnung.