Система автоматического распознавания речи

Система автоматического распознавания речи (САРР) - это система, которая принимает речь пользователя (речевой сигнал) и преобразует его в определенную форму, удобную для дальнейшей обработки с целью формирования ответной реакции системы [3]. Следует отметить, что изначально перед САРР ставились задачи преобразования речи в текст, поэтому такие системы англоязычной литературе обозначаются STT - Speech To Text [3]. Структурная схема САРР представлена на рис. 2

Рис. 2 – Обобщенная модель системы распознавания речи

Рассмотрим основные компоненты, показанные на рис. 2

Модель анализа речевого сигнала – блок, в задачи которого входит анализ входного сигнала, во-первых, с целью отнесения его к числу речевых, а во-вторых, для выделения в составе полученного сигнала компонент, которые являются основными для распознавания полученного сообщения. К таким компонентам относятся параметры описывающие речь.

Модель распознавания речи и принятия решения – это блок, который осуществляет формирование распознанного сообщения на основе анализа последовательности параметров, полученных из первого блока. Например, если используется формантная модель описания речи, то на основе полученных в первом блоке частот формант строится последовательность распознанных фонем, составляющих входное сообщение. При этом осуществляется принятие решения о том, распознано ли входное сообщение правильно. При принятии решения, в частности, возможны следующие решения: сообщение распознано правильно (подтверждением этого является текст, соответствующий нормам естественного языка), либо сообщение не распознано или распознано не правильно (такое решение принимается в случае наличия в распознанном сообщении явных, трудно исправимых автоматически ошибок или вообще полной бессмыслицы).

Основные параметры, характеризующие САРР приведены ниже:

1). Виды распознаваемой речи;

2). Объем словаря;

3). Степень зависимости от диктора;

4). Помехоустойчивость;

5). Надежность распознавания.

Дата добавления: 2017-01-13