80. Структурно-экспертные методы распознавания речи. Экспертный подход к фонемному распознаванию речи.

Выбор метода распознавания речи во многом зависит от того, каким образом описывается входной речевой сигнал в системе автоматического распознавания речи. Таким образом определяется пространство признаков речевого сигнала, по которым в дальнейшем его необходимо классифицировать. Кроме того, очень важно знать соотношения между указанными признаками. Все это возможно учитывать в рамках структурно-экспертных методов, в основу которых положены знания (рис. 5.16) о структуре речевого сигнала, а также экспертные знания о закономерностях образования речевого сигнала и естественном языке. Особенно важным это становится при разработке дикторонезависимых систем автоматического распознавания речи, а также систем распознавания речи неограниченного словаря. Рассмотрим указанный метод более подробно.

Экспертный подход к фонемному распознаванию речи.

Важность и необходимость использования фонетических или лингвистических знаний, а также умение отделять собственно лингвистическую информацию от экстралингвистической не вызывает сомнения. Одним из интересных и перспективных подходов, осуществляющих фонемное распознавание речи с позиций акустико-фонетического декодирования, является экспертный подход. Экспертный подход основан на методе извлечения знаний в процессе "чтения" динамических спектрограмм неизвестного речевого сигнала фонетистом-экспертом. Динамическая спектрограмма отражает фонетическую информацию о речевом сигнале в виде трехмерной спектральной картины (частота – время – интенсивность). Моделирование работы человека-эксперта при интерпретации речевых спектрограмм является основополагающим фактором при разработке данного подхода. Один из ведущих исследователей в этой области В.В.Зу отметил, что чтение спектрограмм дает нам "доказательство существования" того, что высоконадежное фонетическое декодирование речевых спектров является достижимым, а "знания, используемые при чтении спектрограмм, являются потенциально передаваемыми как людям, так и машинам".

Рассмотрим более подробно процедуру акустико-фонетического декодирования динамических спектрограмм, в которой можно выделить три основных этапа.

На первом этапе выделяются "исходные видимые объекты" (ИВО). Примерами ИВО могут служить:

• тон – визуальный аналог периодичности речевого сигнала, который проявляется на спектрограмме в виде ярко выраженных затемненных вертикальных линий, равноотстоящих друг от друга;

• шум – неравномерное затемнение в различных частях спектра, что является признаком фрикативности и др.

Второй этап заключается в фонетической интерпретации полученных сегментов и описывается в виде правил вывода, в основе которых лежат так называемые акустические ключи (АК). АК формируются на базе выделенных ИВО и представляют собой сведения о наличии/отсутствии ИВО, об отношениях следования между ними, а также сведения о временных, энергетических и частотных модификациях ИВО с учетом их соотносительной значимости. База акустико-фонетических знаний, включающая информацию об АК и основанных на них правилах вывода, имеет первоочередное значение при разработке экспертной системы (ЭС). База знаний (БЗ) состоит из набора правил, каждое из которых описывает единственный обоснованный вывод. Эти правила обеспечивают набор единиц знания, а не последовательность действий. Сложный процесс экспертизы необходимо разбить на большое количество относительно более простых единиц знания, каждая из которых описывается с помощью так называемых порождающих правил общего вида: если "условие", то "следствие". Таким образом, каждое правило состоит из посылки и следствия, которые являются некоторыми утверждениями.

Третий этап связан с учетом законов языка, которые допускают или запрещают различные фонемные последовательности. На выходе данного этапа мы получаем фонетические гипотезы, состоящие из одного или более возможных фонемных решений для каждого сегмента. Сократить количество этих решений позволяет применение правил фонетической сочетаемости исследуемого языка, т.е. контекстуальных правил более высокого уровня, чем те, что описывались выше. В работе (Zue V.W..1986art-An_expert_S) указывается, что фонетический эксперт принимает решение о допустимости фонемных последовательностей, а также может переводить фонемную последовательность в орфографическую запись, применяя морфологические правила словообразования. Анализ процесса чтения динамических спектрограмм позволяет сделать следующие выводы:

• значительный объем фонетической информации можно выделить из самого речевого сигнала;

• чтение спектрограмм основано на распознавании и объединении большого количества акустических признаков, причем, некоторые из них идентифицируются сравнительно просто (признаки способа образования), в то время как для идентификации других необходимо обязательно учитывать соответствующий контекст (признаки места образования);

• в основе декодирования спектрограмм лежат вполне определенные эксплицитные правила;

• эксперименты по чтению спектрограмм доказывают возможность достижения высококачественного распознавания речи при активном использовании лингвистических знаний.