Was ist robuste Spracherkennung?
Eine robuste Spracherkennung kann Sprache unter widrigen Bedingungen wie in lauten Umgebungen oder bei kratzenden Aufzeichnungen angemessen erkennen. Dies kann wichtige Anwendungen in einer Reihe von Bereichen haben, beispielsweise in der Strafverfolgung oder beim Design von Hörgeräten. Die Forschung und Entwicklung zu diesem Thema erfolgt an akademischen Institutionen, privaten Unternehmen und gemeinnützigen Organisationen, die sich weltweit für dieses Gebiet interessieren. Karrieren in diesem Bereich sind offen für Leute wie Tontechniker, Computerprogrammierer und Audiologen.
Die herkömmliche Spracherkennung leidet unter dem Problem, für ideale Umgebungen ausgelegt zu sein. Ein Algorithmus kann Sprache erkennen, wenn sie in einer ruhigen Umgebung ohne Hintergrundgeräusche auftritt und der Sprecher die Wörter klar artikuliert. Solche Programme können mit Akzenten kämpfen, die sie nicht gelernt haben, und sie neigen auch dazu, in Umgebungen mit vielen Hintergrundgeräuschen zusammenzubrechen. Die Welt ist oft laut und daher können solche Geräte in einigen Umgebungen nur eingeschränkt verwendet werden, ohne dass eine robuste Spracherkennung erforderlich ist.
Beim Diktieren verwenden die meisten Systeme beispielsweise ein Mikrofon, das in der Nähe des Mundes getragen wird, damit die Stimme des Sprechers dominiert und das Programm die Sprache präzise verarbeiten kann. Die Spracherkennung, die in Anwendungen wie Remote Listening für Strafverfolgungsbehörden, Hörgerätedesign und Wiederherstellung historischer Aufzeichnungen verwendet wird, kann ebenfalls Probleme mit Hintergrundgeräuschen haben. Die robuste Spracherkennung umfasst die Entwicklung von Algorithmen, die dieses Rauschen verarbeiten und verwerfen können, um nur die Sprache zu hinterlassen.
Dies erfordert komplexe Rechenfähigkeiten. Laute Umgebungen können eine Vielzahl von Geräuschen enthalten, was es schwierig macht, einfach einen Passfilter zu erstellen, der eine Reihe von Geräuschen unterdrückt. Der Filter fängt möglicherweise nicht alle Störgeräusche auf und kann möglicherweise auch die Sprache stören. Bei der robusten Spracherkennung arbeiten Programmierer daran, Programme zu entwickeln, mit denen Sprache identifiziert und von anderen Tonspuren getrennt werden kann. Sobald es getrennt ist, kann es einem weiteren Durchlauf unterzogen werden, um das Signal zu bereinigen, wodurch das Programm einen normalen Spracherkennungsalgorithmus ausführen kann, um zu bestimmen, was gesagt wird.
Eine genaue Spracherkennung kann für automatisierte Menüs, Diktate und andere Echtzeitanwendungen wichtig sein. Die Entwicklung einer robusten Spracherkennung kann auch dazu beitragen, Hörgeräte und Software zu entwickeln, die menschliche Stimmen in einem Summen anderer Geräusche lokalisieren und genau diese an den Hörer übertragen. Dies macht die Spracherkennung in Umgebungen wie überfüllten Partys und Ereignissen, in denen mehrere Klänge miteinander konkurrieren können, nützlicher.