Een datagebaseerde methode voor het modelleren van uitspraakvariatie voor automatische spraakherkenning

TitleEen datagebaseerde methode voor het modelleren van uitspraakvariatie voor automatische spraakherkenning
Publication TypePresentation
Year of Publication2000
Conference NameDag van de Fonetiek 2000
AuthorsKessens, Judith, Helmer Strik, and Catia Cucchiarini
PublisherNederlandse Vereniging voor Fonetische Wetenschappen
Conference LocationUtrecht, The Netherlands
Abstract

In mijn promotieonderzoek modelleer ik uitspraakvariatie in het Nederlands met als doel het verbeteren van de prestaties van automatische spraakherkenners. Tot nu toe heb ik uitspraakvariatie gemodelleerd die beschreven is in de literatuur. Deze methode van modelleren van uitspraakvariatie wordt ook wel "kennis-gebaseerd" genoemd. Het probleem met kennis-gebaseerde methoden is dat niet alle uitspraakvariatie is onderzocht en beschreven in de literatuur. Dit geldt met name voor minder voorbereide, oftewel spontane spraak, en dit is nu juist het soort spraak die huidige herkenners moeten kunnen herkennen. Om deze reden wil ik een andere methode gebruiken om informatie te verkrijgen over uitspraakvariatie. Deze methode heet ook wel "data-gebaseerd" omdat een grote hoeveelheid spraakdata geanalyseerd wordt om informatie over uitspraakvariatie te verkrijgen. Het doel van dit onderzoek is het bepalen of de voorgestelde "datagebaseerde" methode geschikt is voor het modelleren van uitspraakvariatie in automatische spraakherkenners. Hiertoe zijn "datagebaseerde" uitspraakregels opgesteld die de uitspraakvariatie in het spraakmateriaal beschrijven. Met deze regels zijn varianten gegenereerd die gebruikt zijn tijdens het herkenproces. De resultaten van herkenexperimenten met deze varianten en meer details over de methode zullen tijdens de presentatie gegeven worden.