Tích hợp đặc điểm của tiếng Việt vào hệ thống nhận dạng tiếng nói.

- Mô hình ngôn ngữ.
- xut các ci tin vào nhn dng ting Vit nói.
- Tạo mô hình ngôn ngữ.
- Mô hình N-grams.
- Language Model Mô hình ngôn ng.
- xây dng mô hình ngôn ng thng kê.
- Mô hình Markov ẩn.
- Mô hình Markov ẩn (HMM.
- u sn phm nghiên cu v nhn dng ting i dng mã ngun m, có th k n: 2  CMU Sphinx mã ngun m license BSD.
- Julius mã ngun m license BSD cung cp nhn dng cho ngôn ng ting Nht.
- Đối tƣợng nghiên cứu  Nghiên cu tng quan v nhn dng ting Vit nóị  Nghiên cu mô hình HMM, mô hình ngôn ng.
- Nhiệm vụ nghiên cứu  Tìm hiu khái quát v nhn dng ting nói và nhm ca ting Vit nóị  Tìm hiu v mô hình HMM, mô hình ngôn ng.
- tìm hiu mt s m v ting nói, m ca ting Vit nói, mô hình ngôn ng, các thành phn n ca mt h thng nhn dng ting nói hiu mt s h thng nhn d.
- ngh mt s ci tin cho nhn dng ting Vit nóị Ị Cơ sở lý thuyết 1.1.
- Các ng dng nhn dng ting nói ít khi.
- vì vy nó to ra nhiu kh c thù cho nhn dng ting nóị 5 1.1.1.
- Một số khó khăn gặp phải khi thực hiện nhận dạng tiếng nói  Nhn dng ting nói có rt nhi.
- S ng c ing n - là mt yu t ng ln khi thc hin nhn dng.
- c t vng càng ln thì càng khó nhn dng.
- ng: h thng nhn dng có th b.
- chính xác ca h thng nhn dng.
- B gii mã s dng c mô hình ngôn ng.
- B thích nghi nhn thông tin t b gi i các tham s ca các mô hình âm hc, mô hình ngôn ng nhm nâng cao kt qu nhn dng.
- Mô hình ngôn ng (Language Models.
- Pháp u công trình nghiên cu nhn dng ti c kt qu tt.
- cho phép i dùng có th nói nhng t khóa.
- là h thng h tr h ng ting Vi n thoi, s dng công ngh nhn dng và tng hp bng ting Vit v.
- Dch t ng: không cn phiên dch viên, h thng t nhn dng ting nói và chuyn sang ngôn ng tùy chn.
- Ngoài ra nhn dng ti t các tác v n hình n ph.
- tài là nhn dng ting nói Vit, do vy mc này s trình by ngn gn v h thng ting Vit.
- Ðó là cách phát âm ca các âm ti nhng âm ti c dù trên ch vit, ph âm vng m c t i bu bng m.
- Ting Vic nói bi các vùng min khác nhau, rng làm cho nhn dng tr.
- Ngoài ra h thng ng c tp làm n chng nhn dng.
- Mô hình ngôn ngữ 1.6.1.
- mô hình ngôn ng ch có th tính toán g.
- Các mô hình ngôn ng ng rt hiu qu vi.
- Các h thng nhn dng ting nói này c t v.
- Tầm quan trọng của mô hình ngôn ngữ Mô hình ngôn ng có tm quan trng rt ln trong các h thng nhn dng và tìm kim thông tin.
- tin hành nhn dng ting Vit.
- WER là t l nhn dng li, t l này càng th.
- nhn dng các tên.
- nhn d ụ  D liu nhn dng là các t c lp.
- tài s tin hành tích hp thanh u vào nhn dng.
- V t t: Sphinx là công c nhn dng da trên xác su.
- trình bc thc hin nhn dng ting nói bng công c Sphinx m ting Vi.
- vào trong h thng nhn dng.
- nhn dng.
- thông tin khi nhn dng.
- 18  c cui cùng là nhn dng: s dng mô hình ngôn ng, mô hình âm hc, Pocket.
- tin hành nhn dng.
- D liu nhn dng có th là nhng d li c hun luyn t c.
- Sau khi nhn dng s c t l nhn dng l.
- Nhng d liu này c hun luyn ti các hoàn c.
- hun luyn: o Nhn dng d liu mi nói vi các t n: 1 gi.
- nhn dng có thanh u, không thanh u hoc t t.
- thng nhn dng ting nói khác, hong da trên hc nhng m (tham s) ca tp h.
- Còn quá trình s dng nhng d liu (kin thc.
- tín hiu gi là quá trình gi n gi là nhn dng.
- Quá trình nhn dng có th dùng PocketSphinx hoc Sphinx.
- o your_db_train.fileids  lit kê nhng file âm thanh s hun luyn.
- to mô hình ngôn ng ta s dng b CMULTK.
- công c to mô hình ngôn ng thng kê.
- tnh dng ARPẠ Tuy nhiên kt qu phc sp xp.
- nhn dng (gii mã) các file âm thanh.
- PocketSphinx là b nhn dng ting nói có th dùng trong nhin Bên cnh PocketSphinx ta có th.
- H thng nhn dng da trên HMM: m.
- Mô hình nhận dạng của PocketSphinx Th tc cn thit khi nhn dng bng PocketSphinx Hình 2.8.Thủ tục nhận dạng bằng PocketSphinx.
- Sau khi có kt qu nhn dng ca PocketSphin.
- Kt qu này nh dng ging file transcript phn hun luyn.
- u vào quá trình mã hóa và nhn dng.
- u vào mã hóa và nhn dng.
- m bo vic nhn dng ting nói là khách quan.
- tài chia d liu thành 2 tp: hun luyn và nhn dng.
- t l nhn dng ụ Bn cht là th nghim là u - c ký hiu là ACNT-LMMN.
- tài s th nghim vi nhn dng ting Vi u.
- tài nên thc hin các th nghim nhn dng trên các mô hình ngôn ng khác nhau y khng công vic thc hin s rt l.
- mt t l nhn dng caọ 3.6.
- thng kê kt qu th nghim: nhn dng d liu VOV bng d liu hun luyn t thu âm.
- nhn dng các file âm thanh ting Vit, bng các b nhn d.
- ng pháp s dng, các thuc tính c i các h thng nhn dng khác.
- T l nhn dng tt nhu i tin) vi t l li WER= 25,5.
- T l nhn dng tt nht cho vic áp d.
- T l nhn dng tt nht cho vic áp d t u WER = 19,2.
- T l nhn dng tt nht cho vic áp d t u WER= 19.
- nghim vic nhn dng ting nói vi ngun d liu hoàn toàn khác so vi d lin luyn.
- là nhn dng ting âm c.
- ging ca các vùng min nên khi nhn dng d liu ngu nhiên có th b ng.
- u ca ting Vi.
- c này s m bo h thng nhn dng có kh n dng nhng ging nói khác nhau trong các ng cnh khác nhau t.
- Tích hp h thng nhn dng vào các h th.
- gii quyt nhng v.
- Vi thi gian thc hin nghiên cu v nhn dng ting Vit u nên chc ch.
- vi nhng di tn s khác nhaụ Mô hình Markov n cho phép xây dng mt ki.
- to nhng d liu nhỵ Nn tng ca nhn dng ting nói liên tc da trên mô hình Markov c thit t i các nhóm ti Carnegie Mellon và IBM, phòng thí nhim Bell Labs.
- Ti nhng thm ri ru, h thng thc hin s i trng thái (có th quay tr li tr.
- Mi quan h gia mô hình Markov vi ting nói Nguyên tc ca mt h thng nhn dng ting nói liên tc mô t.
- C th b gii mã s tìm: Vì P(w|Y) khó tìm trc tip, áp dng lut Bayes nh bng mô hình ngôn ng.
- Mô hình ngôn ng s c mô t.
- Mô hình ngôn ngữ thống kê B.1.
- Mô hình n kê grams

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt