Zbadano osobliwości algorytmów segmentacji sygnału mowy polskiej, sposoby tworzenia i uczenia odpowiednich modeli HMM (Hidden Markov Model) z uwzględnieniem warunków występujących w technikach rozpoznawania mowy. Eksperymentalnie udowodniono, że zastosowanie HMM stanowi podstawę w systemach do rozpoznawania mowy polskiej, a tworzenie i uczenie HMM dla stów izolowanych tegoż samego mówcy przebiega w sposób szybki. Udowodniono również, że przedstawienie słowa w postaci sekwencji obserwacji jest najskuteczniejszą metodą reprezentacji stów. Do badań stworzono oryginalny system programowy AudioSter, funkcjonujący w środowisku programistycznym Matlab.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Dokonano przeglądu istniejących zasobów mowy pod kątem ich zawartości i wykorzystania w procesie przetwarzania sygnałów mowy. Przedstawiono założenia na zasób mowy polskiej ROBOT, który wykorzystany zostanie we wstępnych badaniach nad rozpoznawaniem mowy i mówcy oraz segmentacją sygnału mowy.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.