Robuste Analyse, Erkennung und Interpretation gesprochener Eingaben auf der Basis eines einstufigen stochastischen Decodierungsverfahrens

基于一级随机解码过程的语音输入的鲁棒分析、识别和解释

• 批准号: 5288925
• 负责人: Professor Dr.-Ing. Günther Ruske
• 金额: --
• 依托单位: Lehrstuhl für Mensch-Maschine-Kommunikation (MMK)
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2001
• 资助国家: 德国
• 起止时间: 2000-12-31 至 2003-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5288925?language=en
• 关键词: Robuste; Analyse; Erkennung; und; Interpretation

Das Projekt setzt sich zum Ziel, frei gesprochene Eingaben im Rahmen der Mensch-Maschine-Kommunikation zu erkennen und eine inhaltliche Interpretation im Kontext der festgelegten Aufgabe durchzuführen. Neben der Sprache soll auch die Information aus der Erkennung der Gestik und Mimik des Benutzers sowie graphische Bild- und Textinformation zur Erhöhung der Interpretierbarkeit gleichzeitig ausgewertet werden. Die Spracherkennug führt die Suche nach erwarteten Schlüsselwörtern und Schlüssel-Phrasen durch, die eine Zuordnung zu semantischen Einheiten ermöglichen. Für die akustische Realisierung der Sprachlaute samt ihrer Aussprachevarianten wird auf bekannte Methoden der "Hidden-Markov"-Modelle zurückgegriffen. Die Behandlung der postulierten Wortfolge-Relationen soll z.B. in Form von n-Grammen und Lücken-n-Grammen geschehen. Kennzeichen des Vorhabens ist ein einstufiger, durchgehend stochastischer Ansatz, der die akustische Modellierung, die Interpretation und die Erzeugung der gewünschten Aktion umfasst. Als Anwendungsdomäne wird die Spracheingabe im Automobil gewählt, wo sie die Steuerung von Telefon, Navigationssystem und Radio übernehmen soll. Das Training erfolgt weitgehend durch statistische Analyse von Trainingsmaterial aus dieser Domäne durch "Lernen an Beispielen."

该项目设置于Ziel，在Mensch-Maschine-Kommerkation的框架内自由地进行，并在Festgelegten Aufgabe durchzuführen的语境中进行吸入性解释。此外，还需要从读者的理解和模仿中获取信息，以便为韦尔登提供图形化的图片和文本信息。Die Sprackerkennug führt die Suche nach erwarteten Schlüsselwörtern und Schlüssel-Phrasen durch，die eine Zuordnung zu semantischen Einheiten ermöglichen.为实现语言的精确性，我们采用了隐马尔可夫模型的方法。Die Behandlung der postulierten Wortfolge-Relationen soll z.B.在形式von n-Grammen und Lücken-n-Grammen geschehen中。对前体的认识是一种解释，它通过理解随机性的解释、对抽象模型的解释、对最快行动的解释和再创造来实现。在汽车中的Spracheingabe将被安装，它们将被控制在电话、导航系统和无线电设备上。通过对国内培训材料的统计分析，我们可以了解到培训的效果。"