Rozpoznávání řeči
Úvod do počítačového zpracování řeči
Luděk Bártek
Fakulta informatiky Masarykova univerzita
podzim 2023
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
• Rozpoznávání izolovaných slov
• Rozpoznávání plynulé promluvy
Luděk Bártek
Úvod do počítačového zpracování řeči
o Cíle rozpoznávání řeči:
© Interpretace příkazů uživatele - hlasové ovládání různých zařízení.
• telefon
• navigace
• ...
• Převod mluveného slova na text - přepis mluveného slova
o záznamy soudních přelíčení
• přenos řeči při velmi nízké přenosové rychlosti
• ...
• Druhy rozpoznávání řeči:
• rozpoznávání izolovaných slov o rozpoznávání plynulé promluvy
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Rozpoznávání řeči
Obecný postup
• Postup při rozpoznávání řeči:
O Získání posloupnosti vektorů příznaků.
9 vhodnou metodou zpracování signálu O Klasifikace posloupnosti příznaků.
o DTW
• HMM
• DNN
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy	
	slov	
• Cíl - rozpoznání částí promluvy ohraničených z obou stran pauzou.
• Uživatel může zadávat pouze jednotlivé povely nebo musí po vyřčení slova udělat pauzu.
• Odpadá problém se stanovením rozhraní dvou slov/povelů. Povel může být víceslovný, ale pro tyto účely představuje jedno slovo.
• Obvykle jde o systémy závislé na uživateli
• nutnost tréninku.
• Mívají omezenou kapacitu slovníku
o slovník-seznam rozpoznávaných slov. o Používají obvykle vektor příznaků.
© Vektor hodnot získaných analýzou signálu (spektrum, kepstrum, LPA, energie, intenzita, autokorelace, ...)
• Získán některou z metod krátkodobé analýzy.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči											Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Vel	ktoi	ry	pr	ízr	ía	ků a j	i ■ lej	icľ		P1	orovnávání
• Vektor příznaků
• Vektorový prostor nad tělesem F je množina V společně s dvěma operacemi sčítání vektorů a násobení skalárem, které splňují následující axiomy:
• (V, +) je komutativní grupa
• Násobení skalárem (FxV    V) je asociativní a(bv) = ab(v)
• 1 v=v, kde 1 je jednotkový prvek tělesa
• a dále platí distributivní zákon:
• a(v+w) = av + aw
• (a+b)v = av +bv
• Metrický prostor: Množina M se zobrazením d (metrikou), pro které platí:
• d(x, y) > 0
9 d(x. y) = 0 <^> x = y
• cŕ(x, y) = d(y, x)
• d(x, z) < d(x, y) + d(y, z)
• Příklad metriky je např. Euklidovská vzdálenost.
Luděk Bártek
Úvod do počítačového zpracování řeči
a Klasifikátory využívající porovnání slov metodou DTW (Dynamic Time Warping)
• umožňují porovnání podobnosti dvou dynamických jevů, které probíhají různými rychlostmi.
a Klasifikátory založené na statistických metodách <* modelování pomocí skrytých Markovových modelů.
• Klasifikátory založené na umělých neuronových sítích
o Deep Neural Networks - použito např. v rozpoznávací CMU
Sphinx «...
• Hierarchické klasifikátory
• Pracují hierarchicky:
O Akustická analýza signálu. O Rozdělení signálu promluvy na segmenty. O Fonetické dekódování jednotlivých segmentů. O Rozpoznání slova (povelu) probíhá ve druhé vyšší úrovni na základě posloupnosti klasifikovaných segmentů.
• Podobný princip se využívá pro rozpoznávání plynulé řeči.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Metoda DTW (Borcení čas	ové osy)
• Používá se pro porovnání dvou úseků promluv (slov).
• Úseky jsou vyjádřeny posloupností vektorů příznaků
• úsek promluvy rozdělen do mikrosegmentů
• klasifikovány souborem krátkodobých charakteristik
• Postup:
O Pro rozpoznávané posloupnosti vytvoříme soubor referenčních posloupností akustických vektorů.
Q Vytvoříme posloupnost akustických vektorů pro rozpoznávané slovo.
O Metodou DTW porovnáme rozpoznávanou posloupnost s referenčními a vybereme tu, s největší shodou.
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Metoda DTW
Pokračování
Algoritmus hledá parametrizaci f,g takovou, že i=f(k),j=g(k) k=1,    K, minimalizuje výraz:
K
D(A,B) = Y/d(a(f(k)),b(g(k)))
/C=1
o d je vzdálenost mezi akustickými vektory (např.
Euklidovská metrika) • Euklidovská metrika
n
d {a, b)
\
/=1
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
o Omezující podmínky:
• f,g - neklesající funkce
• omezení na lokální souvislost a strmost:
• 0 < f(k) - f(k- 1) < /*
o 0<g(/c)-g(/c-1)< J*
• většinou platí /*, J* = 1, 2, 3
• Z praktických testů vyplynulo, že při příliš strmém přírůstku může dojít např. k nevhodné korespondenci mezi příliš krátkým segmentem vzorku A a příliš dlouhým segmentem vzorku B.
• Omezení na hraniční body:
• f(^) = ^J(K) = l g(i) = i,g(AO = J
Luděk Bártek
Úvod do počítačového zpracování řeči
• Omezující podmínky
o Globální vymezení oblasti pohybu funkce DTW:
• Omezení minimální a maximální přípustné směrnice přímky omezující přípustnou oblast, při splnění podmínky na hraniční body
1 + a[i(k) - 1 ] < j(k) < 1 + /3[i(k) - 1 ]
• a - minimální směrnice přímky omezující přípustnou oblast
• f3 - maximální směrnice přímky omezující přípustnou oblast
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy	
DTW - praktická realizace Blokové schéma	klasifikátoru slov	
I
Vytvoření referenčních obrazů slov a jejich uložení ve slovníku
Uživatel
Zpracování signálu
Vytvoření obrazu testovaného slova
Porovnání obrazů Algoritmem DTW
Rozpoznání neznámého slova
Obrázek: Blokové schéma algoritmu DTW
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
DTW - praktická realizace klasifikátoru slov
Trénování
o Obecný postup:
O Řečník resp. skupina řečníků vysloví postupně každé trénované slovo požadovaného slovníku. Bucf jednou nebo opakovaně
O Vstupní slova jsou zdigitalizována, nejčastěji do formátu PCM.
O Dále jsou převedena zvolenou metodou krátkodobé analýzy
na posloupnost vektorů příznaků. O Detekce hranie slov
• může být náročné na provedení např. kvůli rušivému pozadí.
• Nekorektní detekce hranie slov zhoršuje úspěšnost rozpoznávání
• Metody odstraňující i jen částečně vliv pozadí zvyšují výpočetní náročnost.
O Vytvoření referenčních obrazů slov.
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
RT\A/ l\/1^+^^lw
"eferenčních obrazů slov
Přímé využití obrazů trénovací množiny jako referenčních obrazů slov
• namluvená slova od jednoho nebo více řečníků jsou použita jako referenční vzory
« DTW nevyžaduje, aby obrazy téhož slova byly stejně dlouhé, ale z důvodu možnosti aplikace pomocných kritérií je vhodné provést časovou normalizaci každého obrazu.
Vytváření průměrného vzorového obrazu pro každou třídu
slov w:
• používají se metody lineárního a nebo dynamického průměrování
• lineární průměrování:
© provedeme lineární časovou normalizaci všech akustických obrazů trénovací množiny
• výsledné referenční složky obrazu určíme jako průměr odpovídajících složek obrazů pro dané slovo
• dynamické průměrování:
• vzorový obraz se vytváří použitím algoritmu DTW
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
DTW - Metody vytváření referenčních obrazů slov
pokračování
• Vytváření vzorových obrazů shlukováním
• Rozdělíme vzorové obrazy pro dané slovo do shluků tak, že obrazy uvnitř shluku jsou si „podobné" a obrazy z různých
shluků jsou „nepodobné", o Shlukování lze realizovat:
• interaktivně (poloautomaticky) - metoda řetězové mapy, algoritmus ISODATA (viz Levinson, Rabiner, Sondhi -Interactive Clustering Techniques for Selecting Speaker-lndepended Reference Templates for Isolated Word Recognition, IEEE Transactions on ASSP, 27, 1979, č 2)
• automaticky - algoritmy založené na MacQueenově algoritmu (viz např. Komunikace s počítačem mluvenou reci).
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
DTW - praktická realizace klasifikátoru slov
Rozpoznávání (klasifikace)
o Během klasifikace probíhá zpracování řečového signálu stejně jako při učení:
• pokud jsou referenční obrazy normalizovány je nutné normalizovat i rozpoznávaná slova.
• Pravidla využívaná při klasifikaci:
9 minimální vzdálenost
• varianty pravidla nejbližšího souseda
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči		Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Redukce výpočetních a DTW		měiových nároků při použití
• Nevýhody DTW:
• Vysoké paměiové a výpočetní nároky - mohou znesnadňovat klasifikaci v reálném čase i při relativně malém slovníku.
• Metody řešení:
hrubá síla - využití drahých paralelních procesorů případně zákaznických obvodů
• vhodné zakódování parametrů jednotlivých mikrosegmentů referenčních i testovacích obrazů
• redukce počtu mikrosegmentů akustického obrazu slova -využívají se oblasti spektrální stacionarity řečového signálu
• snížení výpočetní náročnosti při hledání nejbližšího souseda ve slovníku
• vhodná volba prohledávacích postupů.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči		Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Redukce výpočetních a DTW2.		měiových nároků při použití
• Redukce oblasti prohledávání funkce DTW
• pomocí heuristik do operací porovnávání obrazů.
• Vhodné zakódování parametrů mikrosegmentů
• využívá vektorovou kvantizaci a kódovou knihu o kódová kniha
o abeceda konečného počtu kvantizovaných vzorků: « každý vektor ve vzorku lze nahradit jeho pořadovým číslem o při předem definované kódové knize lze dopředu spočítat matici vzájemných vzdáleností mezi kvantizačními vzory.
• Využití oblastí spektrální stacionarity řečového signálu
• využívá se přítomnost oblastí spektrální stacionarity o metoda spektrální stopy:
• spektrální stopa - spojnice koncových bodů vektorů příznaků
• aproximace - např. lineárními úseky.
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Redukce výpočetních a paměíových nároků při použití DTW3.
• Zavedení účinných způsobů vyhledávání nejbližšího souseda.
• Viz metody prohledávání metrických prostorů.
o Nutno ověřit, že vzdálenost použitá v algoritmu DTW je metrika.
• Redukce výpočetních nároků pomocí heuristik při porovnávání:
9 Vícestupňový rozhodovací postup:
O Porovnáváme promluvu proti celému slovníku pomocí pouze
několika příznaků. O Výstupem je soubor perspektivních kandidátů (řádově jednotky desítek), ve kterém se vyhledává pomocí klasického DTW. o Práh zamítnutí:
9 Po každém kroku porovnáváme spočítanou vzdálenost. • Překročíme-li experimentálně získanou hodnotu prahu obraz je zamítnut.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy	
	kov Model)	
• Modelování řeči pomocí HMM vychází z následující představy o tvorbě řeči:
• Hlasové ústrojí se v krátkém čase nachází v jedné z konečně mnoha artikulačních konfigurací - generuje hlasový signál.
• Přejde do následující konfigurace.
• Tuto činnost lze chápat statisticky.
• Kvantizací akustických vektorů (vytvořením kódové knihy) lze dosáhnout konečnosti všech parametrů odpovídajícího modelu.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči								Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
	Princi	p	použití	H	M	M	pro ro	izpoznávání
o jsou generovaný dve vzájemné svázané casove posloupnosti náhodných proměnných:
• Podpůrný Markovův řetězec - posloupnost konečného počtu stavů.
o Řetězec konečného počtu spektrálních vzorů.
• Náhodné funkce ohodnocující pravděpodobnostmi vztah vzorů k jednotlivým stavům.
• Pro rozpoznávání řeči nejčastější využívané levo-pravé Markovovy modely.
• Vhodné pro modelovaní procesů spjatých se vzrůstajícím časem.
Luděk Bártek
Úvod do počítačového zpracování řeči
• Markovův proces G se skrytým Markovovým modelem je pětice G = (Q, V, N, M,tt)
o Q = {<7i, ...qk} - množina stavů
• V = {vi,vm} - množina výstupních symbolů
• N = (ľijj) - matice přechodu
• určuje pravděpodobnost přechodu ze stavu g, v čase ř do stavu Qy v čase ři
• M = (iriij) - matice přechodu, určující pravděpodobnost generování akustického vektoru Vj, v kterémkoliv čase ve stavu q,
• 7ľ - (7T/) - vektor pravděpodobností počátečního stavu (pravděpodobnost toho, že i. stav je počáteční)
• Trojice A = (A/, M, tt) - soubor parametrů HMM; vytváří model řečového segmentu (slova, ...)
9 např. Vintsjukův model pro slovo:
o počet stavů 40 — 50 - odvozeno od průměrného počtu mikrosegmentů ve slově (délka mikrosegmentu 10 ms)
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řec		Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Určení pravděpodobnost	i P	)romluvy
• Značíme P(0|A).
• Promluva O standardně zpracována do posloupnosti
O = (01,... Oj).
• T - počet mikrosegmentů promluvy
• Oj - odpovídají výstupním symbolům
• Určení P(0\X) - metoda využívající rekurzivní výpočet odpředu nebo odzadu generované posloupnosti (forward-backward algorithm).
Luděk Bártek
Úvod do počítačového zpracování řeči
	Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy	
			
■ i Pokračování			
• Výpočet odpředu:
• ol\ - pravděpodobnost přechodu do stavu q, při generování
pOSlOUpnOSti {Oi,     Ot} {a; = P(Oi, 02- ou Qi{t)\X)
Rekurzivní výpočet: O inicializace
c*i(/) = 7r//T7/(Oi)
pro 1 < i < N O rekurze pro t=1,2, ... T-1
N
«ř+i(y) = (ž2oLt{i)njj]mj{ot+i) /=i
pro 1 <j<N, m(ot) je ekvivalentní zápisu /??/(/), pokud ot = v,
O Výsledná pravděpodobnost:
N
P(0|A) = 5>r(/)
/=1
Luděk Bártek
Úvod do počítačového zpracování řeči
• Nevýhoda předchozího postupu:
• ve výsledném vztahu jsou zahrnuty pravděpodobnosti všech možných posloupností stavů délky T
• Lze nahradit výpočtem maximálně pravděpodobné posloupnosti Q.
• Výpočet realizován pomocí Viterbiova algoritmu:
o problém řešen rekurzivně s použitím techniky dynamického programování
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči	Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Trénování parametrů modi	elu A = (A/, M,tt)
a Nutno stanovit postup při trénování parametrů modelu
• maximalizace pravděpodobnosti P(0|A)
o neexistuje analytická metoda k zajištění globálního maxima
• používají se iterativní algoritmy zajištující aspoň lokální maximalitu
• Nejpoužívanější postup - Bauman-Welchův algoritmus.
• Problém při trénování modelu:
• vliv konečné trénovací množiny - čím menší je trénovací množina a čím vetší matice M, tím vetší pravděpodobnost, že některé prvky matice budou nastaveny na 0 - problém chybějících (neadekvátních) dat
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Rozhodovací pravidlo - rozpoznávání slova
• Princip maximální věrohodnosti:
• Pro neznámé slovo O určíme hodnoty P(0\\) pro všechny modely A.
<* Jako výsledek vybereme třídu s maximální hodnotou.
Luděk Bártek
Úvod do počítačového zpracování řeči
Modelování povelů:
• nejčastější se používají modely se 4-7 stavy o lze využít SW nástroje pro tvorbu H MM:
• HTK - Hidden Markov Model ToolKit (http://htk.eng.cam.ac.uk/)
Modelování fonémů: o obvykle 4-7 stavů
• model slova - zřetězení modelů fonémů 9 problémy s výpočtem v reálném čase
• speciální algoritmy na vyhledávání
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
r Rozpoznávaní [
Příklady struktur HMM pro fonémy
Rozpoznávání izolovaných slov
Rozpoznávání plynu
Q
Luděk Bártek       Úvod do počítačového zpracování řeči
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Obtíže při rozpoznávání izolovaných slov
o Určení začátku a konce promluvy: 9 šum kontra sykavky
• detekce nahodilého zvukového vzruchu (klepnutí, ...) kontra
okluzívy, které obsahují pauzy o možná přítomnost infrazvuku.
Luděk Bártek
Úvod do počítačového zpracování řeči
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
• Vícevrstvá umělá neuronová síí s jednou vstupní vrstvou, jednou výstupní vrstvou a mnoha skrytými vrstvami
o orientovaný graf, kde uzly jsou jieurony", hrany představují ,jdendrity" (vstupní hrany) a ,£xon" (výstupní hrana)
• dendrity a axony sousedních neuronů se propojují pomocí ,3ynapsí"
• vzruch proudící z neuronu do sousedního musí projít přes synapsi, která představuje odpor, který musí vzruch překonat
• intenzita signálu jdoucího z vrstvy 1-1 do vrstvy /:
v1 = f(W'v'-i
9 v1 e RNl - vzruch na vrstvě /
• W1 g RN'xN'-i - váha synapse mezi vrstvou la 1-1
• b1 - ovlivnění neuronů na /. vrstvě okolím
• Ni - počet neuronů na N. vrstvě
• f(x) - aktivační funkce
Luděk Bártek
Úvod do počítačového zpracování řeči
proceduře ForwardComputation(0)   //O - soubor
//vektorů pozorování
V[0]   = 0
for 1=1  ;   1<L ;   1++ // L - počet vrstev
Z[1]   = W[l]*V[1-1]   + B[l]
V[l]   = f(Z[1]) Z[L]   = W[L]*V[L-1]   + B[L] if došlo k regresi
V[L]   = Z[L] j inak
V[L] =softmax (Z [L] ) return V[L]
soňmax(Z[L}) = =£^, pro L = 1,... ,K.
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci
Rozpoznávam plynule promluvy
Rozpoznávání
• Algoritmus
O Na vstupní vrstu se přivede vektor příznaků.
co příznak, to jeden neuron ve vstupní vrstvě, @ vzruch se šíří skrytými vrstvami.
O Na výstupní vrstvě je rozpoznaná hodnota
• zakódovaná jako aktivované/nektivované neurony.
• Implementace např. CMU Sphinx
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
• Hlavní rozdíly oproti rozpoznávání slov:
o nelze vytvořit analogii databáze vzorů
• prozodické faktory
• nutnost určovat hranice mezi slovy
• výplňkové zvuky a chyby řeči
• Řešení - statistický přístup
• použití jazykových modelů
• HMM vrátí stejnou pravděpodobnost např. pro slova „máma" a „nána"
O máma je častější - vhodné použít máma
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
• Posloupnost slov (promluva) 1/1/ = (w^ w2 ... wn).
• Posloupnost akustických vektorů - O = 0(o-i o2... ot).
o Chceme nalézt l/l/* (množinu všech promluv) maximalizující P(W\0).
• Dle Bayesova pravidla
platí:P(l/l/*|0) = max{P{W\0)) = max{P{W) *
• Pro nalezení maxima potřebujeme znát:
o model řečníka P(0| l/l/)
• jazykový model P{ l/l/)
• Model řečníka se nahrazuje pravděpodobností generování W odpovídajícím Markovovým modelem.
• Trigramový model:
• Platí: P(wn\wi..wn_i) = P(wn\wn_2Wn-])
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči			Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
R	ozpoznávání tématu - to	F	)ic recognition
• Úspěšnost rozpoznávání plynulé řeči 50 — 99 % v závislosti na:
© úkolu
• jazyku
• mluvčím
• ...
• Úspěšnost rozpoznávání může zvýšit:
• znalost tématu promluvy
• použití gramatiky pro rozpoznávání řeči.
• Mění se stavový prostor a pravděpodobnosti trigramů
o např. mějme burzovní zprávy - bylo rozpoznáno slovo honey nebo money?
• Známé téma - může být přesnější jazykový model.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči					Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Gramat	iky	pro	pod	poru roz	poznávání řeči
o Umožňují omezit množinu rozpoznávaných promluv:
9 výhoda - vyšší úspěšnost rozpoznávání
• nevýhoda - nižší volnost vyjadřování
• Používají se bezkontextové gramatiky.
• V praxi často používané formáty gramatik:
• JSGF (http: //www.w3 . org/TR/jsgf/) - původně
definována v Java Speech API (http:
//java.sun.com/products/java-media/speech/) 9 SRGS (http://www.w3.org/TR/speech-grammar/) -
součást standardů W3C Voice Browser Activity
(http://www.w3.org/Voice)
o Určeny pro tvorbu dialogových a hlasových rozhraní.
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
tu JSGF
#JSGF
<koren> = Chci  jet <cim>.|
Chci  jet <cim> z <odkud> do <kam>.| Chci  jet <cim> z <odkud> do <kam> v <kdy>. <cim> = vlakem  | autobusem; <odkud> = <czMesto>; <kam> = <czMesto>; <kdy> = <czCas>;
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči
Rozpoznávání izolovaných slov
tiky v XML formátu SRGS
<grammar root="koren" version="l.0" xml:lang="cs-CZ"> < r u 1 e i d= " k o r e n " > <one-of>
<item>Chci  jet <ruleref uri = "\#cim"/>.</item> <item>Chci  jet <ruleref uri = "\#cim"/> z <ruleref uri="url db názvů stanic"/> do <ruleref uri="url db názvů stanic"/> </item>
</one-of> </rule>
Luděk Bártek
Úvod do počítačového zpracování řeči
Rozpoznávání řeči			Rozpoznávání izolovaných slov Rozpoznávání plynulé promluvy
Ukázka od Pokračování	povíd	ající gramatiky v XML formátu SRGS	
<rule id="cim"> <one-of> <item tag="vlak">vlakem</item> <item tag="autobus">autobusem</item>
•  • •
</one-of> </rule> </grammar>
Luděk Bártek
Úvod do počítačového zpracování řeči
..... Rozpoznávam izolovaných slov
Rozpoznávam reci        „ . . . ,
Rozpoznávam plynule promluvy
Ukázka gramatiky v ABNF formátu SRGS
root=$koren; language = cs-CZ;
•   • •
$koren = Chci  jet $cim. |
Chci  jet $cim z $<url db stanic> do $<url db stanic>|
•  • •
$cim = autobusem {$out=autobus} | vlakem {$out=vlak}
Luděk Bártek
Úvod do počítačového zpracování řeči