Automatische Spracherkennung

i. d. R. angeboten in jedem WiSe

• In der Terminologie der automatischen Sprachverarbeitung kommunizieren können
• Die menschliche Sprachproduktion und -perzeption überblicken können
• Die theoretischen Grundlagen der Verarbeitung von Sprachsignalen kennen
• Die theoretischen Grundlagen der Modellierung von Sprache kennen und auf vorgegebene Einzelsituationen transferieren können.
• Den Aufbau eines automatischen Spracherkennungssystems kennen, die einzelnen Komponenten identifizieren und die Rolle der einzelnen Komponenten beschreiben können
• Die grundlegenden Algorithmen und Methoden der statistischen Modellierung kennen und anwenden können
• Aus gegebenen Daten und Werkzeugen ein Spracherkennungssystem praktisch entwickeln können
• Das Potenzial sowie die Grenzen moderner Spracherkennungstechnologien einschätzen können

• Sprachproduktion und -perzeption
• Signalverarbeitung und Merkmalsextraktion für Spracherkennung
• Komponenten eines Spracherkennungssystems: Akustisches Modell, Sprachmodell, Aussprachewörterbuch, Suche
• Akustisches Modell: statistische Modellierungsverfahren für Spracherkennung, Hidden-Markov-Modelle, Gauß-Mixtur-Modelle, Neuronale Netze
• Sprachmodell: N-Gram, Rekurrente Neuronale Netze
• Aussprachewörterbuch: Vokabularselektion, Generierung von Aussprachen
• Suche: Suchgraph, effiziente Suche
• Anwendung in multilingualen Kontexten
• Training und Adaption der Komponenten auf neue Situationen und neue Sprecher
• Evaluation eines Spracherkennungssystems und Identifikation von Fehlern

• Folien (Englisch),
• Spracherkennungssoftware und exemplarische Sprachdaten,
• Xuedong Huang, Alex Acero and Hsiao-Wuen Hon, Spoken Language Processing, Prentice Hall PTR, NJ, 2001