utilización de trifonemas como modelo acústico para el reconocimiento del habla

Introducción - Objetivos y alcanceArquitectura del sistema

Fases del reconocimiento del hablaObjetivos del proyecto

PlanificaciónMódulos del sistema

Conclusiones

Utilización de trifonemas como modelo acústicopara el reconocimiento del habla

Proyecto informático

Daniel Garrido Garrochena

Escuela Técnica Superior de Ingeniería Informática

Junio 2009

Daniel Garrido Garrochena Utilización de trifonemas en el reconocimiento del habla




Conclusiones

Sumario

Introducción - Objetivos y alcance.Arquitectura del sistema.Fases del reconocimiento del habla.Objetivos del proyecto.Planificación.Módulos del sistema.Conclusiones.





Conclusiones

Introducción - Objetivos y alcance

Desarrollo de un sistema reconocedor de voz (a nivel local).Entrenamiento del sistema con trifonemas.Ampliación del sistema, agregando la posibilidad de reconocera través del protocolo TCP/IP.Permitir que múltiples usuarios puedan emplear el mismosistema reconocedor, con las consiguientes ventajas que elloconlleva.





Conclusiones

Sistema reconocedor de vozReconocimiento de voz sobre TCP/IP

Sistema reconocedor de voz

Reconocimiento de voz: proceso de convertir señales acústicascapturadas por, por ejemplo un micrófono, en texto.





Conclusiones

Sistema reconocedor de vozReconocimiento de voz sobre TCP/IP

Reconocimiento de voz sobre TCP/IP





Conclusiones

AdquisiciónExtracción de característicasReconocimiento / clasificación probabilísticaReconocimiento mediante fonemasReconocimiento mediante trifonemas

Adquisición

Sistema desde el cual se adquieren los datos de entrada alsistema reconocedor, la señal de voz.Por lo general, estos datos son adquiridos desde un micrófono.En este sistema serán adquiridos a través de sockets. Lafuente de generación podría ser un micrófono en otro equipo,un fichero de audio, . . .





Conclusiones


Extracción de características





Conclusiones


Reconocimiento / clasificación probabilística





Conclusiones


Reconocimiento mediante fonemas

Sonidos distinguibles.34 para el español.Representan secuencias de senones. Modelado con cadenasocultas de Markov.





Conclusiones


Reconocimiento mediante trifonemas

343 = 39304 trifonemas para el español.En la práctica, alrededor de 5000.Es capaz de diferenciar los sonidos según su contexto.Muy práctico para reconocimiento continuo del habla.Aumento de la tasa de aciertos.





Conclusiones


Reconocimiento mediante trifonemas

¿Cómo se modelan el resto de trifonemas?





Conclusiones

Objetivos del proyecto

Construir un sistema reconocedor de voz.

Entrenamiento.Reconocimiento.

Tecnologías inexploradas y en auge.Objetivos de carácter:

Técnicos.Personales.Metodológicos.





Conclusiones

Planificación

Concepto Estimado Real REBúsqueda dedocumentación

8 días 6 días -33.33%

Planificación 8 días 9 días 11.11%Adquirir conocimientossobre sistemasreconocedores del habla

40 días 43 días 6.97%

Elicitación de requisitos 10 días 11 días 9.09%Análisis 20 días 19 días -5.26%Diseño 30 días 28 días -7.14%Implementación 60 días 64 días 6.25%





Conclusiones

Planificación

Concepto Estimado Real REDocumentación 18 días 22 días 18.18%Presentación 2 días 2 días 0%TOTAL 196 días 204 días 0.65%





Conclusiones

Adquisición de datosExtracción de característicasModelos ocultos de MarkovEntrenamientoReconocimientoGestor de bases de datos oralesGestión de la configuración y logComunicaciones

Módulos del sistema





Conclusiones


Adquisición de datos

Adaptable a diferentes formas/dispositivos de adquisición.Observador y fábrica simple.





Conclusiones



Patrones de diseño observador y decorador.Encargado de:

Preénfasis.Hamming.MFCC.. . .





Conclusiones







Conclusiones


Modelos ocultos de Markov





Conclusiones


Entrenamiento

Algoritmo Baum-Welch.Cálculos de avance-retroceso.





Conclusiones


Reconocimiento

Algoritmo de Viterbi.Estructura estática: palabras.Estructura dinámica: proceso del algoritmo.





Conclusiones


Gestor de bases de datos orales

Albayzin.Posibilidad de gestionar otras bases de datos orales.Fábrica abstracta.





Conclusiones


Gestión de la configuración y log

Acceso a los parámetros de configuración.Registro de errores, avisos, . . .





Conclusiones


Comunicaciones

Realizan las comunicaciones cliente-servidor/servidor-cliente.





Conclusiones

Posibles mejoras¡Gracias!

Conclusiones

Campo de conocimiento muy amplio y numerosas variantes.

Redes neuronales.Otro modelo acústico.

Motivación personal satisfecha: adquisición de nuevosconocimientos.Objetivos técnicos y metodológicos cumplidos en mayor omenor medida.





Conclusiones


Posibles mejoras

Implementación para otras plataformas.Inmunidad al ruido de ambiente.Prosodia: expresar emociones.Questions revisadas por especialistas.





Conclusiones


¡Gracias!


utilización de trifonemas como modelo acústico para el reconocimiento del habla

Technology