Topologieoptimierung phonetischer Hidden-Markov-Modelle mittels Erkennungssimulation

Abstract

Eine Grundlage für die Entwicklung leistungsfähiger Spracherkennungssysteme ist die Modellierung geeigneter akustischer Modelltopologien. In der vorliegenden Arbeit wird ein Verfahren vorgestellt, welches verschiedene bestehende akustische monophone Modelltopologien anhand von Spracherkennungssimulationen qualitativ bewertet und somit Rückschlüsse auf einzelne Topologiegüten zulässt. Eine Spracherkennungs-Simulation erfolgt, indem theoretisch eine Dekodierung errechnet wird, jedoch ohne dem System Echtdaten zur Verfügung zu stellen. Durch die qualitative Bewertung wird eine akustische Topologieoptimierung möglich.

Als Grundlage für die Versuche wird ein Verfahren implementiert, welches anhand trainierter akustischer Modelle eine qualitative Bewertung der untersuchten Modelltopologien zulässt.

Die durch das Verfahren optimierten Topologien werden mit bekannten Topologien, die in der Spracherkennung eingesetzt werden, verglichen und diskutiert. Die Resultate zeigen, dass es möglich ist, akustische Modelltopologien qualitativ zu bewerten, ohne explizit Spracherkennungsergebnisse zu errechnen. Durch die optimierten Modelltopologien ist es schließlich möglich, die Trainiertheit einzelner Phonmodelle und damit mögliche Spracherkennungssysteme zu verbessern.