Invariante Merkmale für die automatische Spracherkennung

他说：“这是一项重大的挑战。”在这两种情况下，我们会得到更多的内部利益的支持。这是一种新的方法，不适用于商业交易，也不适用于现代社会，也不适用于美国。从NachHall，Störungen，Mikrofon到Schwächen liegen Sowohl in der Behandular Extrinsischer Variablitäten(NachHall，Störungen，Mikrofon)，以及Umgang MIT Intrinsischen Sprach-ariablitäten Wie Sprecher，Alter，Geschlecht，VokaltraktDimension，Akzent/Dialekt，Sprechgeschwindigkeit and emotionaler Zustand。在斯普拉奇信号线的变化无常的情况下，你会发现这是一件非常重要的事情。这是一个很大的问题，因为它是自动的。错误是唯一的，因为ZIELL DUCHD DIRECH DIVE DIRECH DIVE ENTWICROUNE AND OUTHERGRONG SPEZILER METHODUDEN ZUR INVARANTANGGE WINNNung。

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.