Моделирование особенностей спонтанной украинской речи в системах автоматического распознавания речевого сигнала

• Опубліковано в: : Кибернетика и вычислительная техника
• Дата: 2012
• Автор: Робейко, В.В.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України 2012
• Теми: Информационные технологии и системы
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/45883
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Моделирование особенностей спонтанной украинской речи в системах автоматического распознавания речевого сигнала / В.В. Робейко // Кибернетика и вычисл. техника. — 2012. — Вип. 170. — С. 76-85. — Бібліогр.: 15 назв. — рос.

Исследованы особенности спонтанной украинской речи с учетом их дальнейшего моделирования в процессе распознавания речи. Отдельное внимание уделяется акустической, фонетической и лексической компонентам системы распознавания речевого сигнала, прогнозированию ударений в словах и учету признаков спонтанности во время формирования речевых и текстовых корпусов для обучения системы. Предложенная базовая экспериментальная система распознавания спонтанной речи в реальном времени оперирует словарем до ста тысяч слов и позволяет набирать текст под диктовку. Досліджено особливості спонтанного українського мовлення з метою їх подальшого моделювання в процесі розпізнавання мовлення. Особлива увага приділяється акустичній, фонетичній та лексичній компонентам системи розпізнавання мовленнєвих сигналів, прогнозуванню наголосів у словах та врахуванню ознак спонтанності під час формування усних та писемних мовленнєвих корпусів для навчання системи. Запропонована базова експериментальна система розпізнавання спонтанного мовлення в реальному часі оперує словником до ста тисяч слів і дозволяє набирати текст у режимі диктування. Presented spontaneous speech-to-text real-time system allows for recognizing Ukrainian spontaneous speech, operates with a 100k word dictionary and provides typing text by voice for an ordinary user. Acoustic model parameters are estimated by 40-hour spontaneous speech corpus and 2 GB text data is used to build a 3-gram language model. Word error rate has dropped below 5% for common and mass-media lexicon. The system is available worldwide for evaluation purposes.