بازشناسی تاکید در گفتار پیوسته فارسی به منظور بهبود بازشناسی گفتار

محیطهای پراضطراب و تاثیر آن بر حالات روحی انسان و همچنین شرایط محیطی مختلف در زمان تولید گفتار ازجمله عواملی است که از آن میتوان بهعنوان دلایل پایین آمدن دقت سامانههای بازشناسی گفتار نام برد. انواع تاکید به وجود آمده در گفتار نیز معلول این حالات میباشند. شناسایی تاکید و اعمال آن به سامانههای بازشناسی گفتار میتواند تا حدودی بهافزایش صحت بازشناسی و کاهش خطای موجود کمک نماید. برای این منظور تلاشهایی از اواخر دهه 80 میلادی آغاز گردیده و محققین به بررسی انواع روشهای ممکن برای استخراج ویژگیها و نتایج آن بر بازشناسی تاکید بر گفتار پرداختهاند.توسعه ابزارهای استخراج ویژگیها خطی و غیرخطی، گامی روبهجلو برای نایل شدن به این هدف بوده است. علاوه بر ارزیابی ویژگیها، الگوریتمهای یادگیری ماشین، تکنیکها و سامانههای مدل کننده و ترکیب آنها با یکدیگر نیز نقش مهمی در این مطالعات ایفا کرده است. در این مقاله سعی بر آن است تا با چند سناریو مختلف از انتخاب بردارهای ویژگی گفتار پیوسته و اعمال آن به مدل کننده مخفی مارکوف ) HMM ( یک سامانه بازشناسی تاکید در گفتار پیوسته فارسی ارایه گردد. هدف از این سامانه یافتن تاکید در گفتار بهمنظور بهبود دقت در سامانههای بازشناسی گفتار میباشد. درنهایت پس از به دست آوردننتایج برای ترکیبی از ویژگیهای مختلف، به مقایسه آنها پرداختهشده تا بتواند موثرترین آنها در بازشناسی تاکید را مشخص نماید

کلیدواژه ها:

بازشناسی گفتار ، بازشناسی تاکید ، استخراج ویژگی ، مدل مخفی مارکوف HMM