[pt] Esta Tese visa explorar as oportunidades de melhoria do desempenho dos Sistemas
Automáticos de Reconhecimento de voz com amplo vocabulário para o Português Brasileiro
quando aplicados em um cenário distribuído (Reconhecimento de Voz Distribuído). Com esta
finalidade, foi construída uma base de vozes para reconhecimento de voz contínua para o
Português Brasileiro com 100 locutores, cada um falando 1000 frases foneticamente balanceadas.
A gravação foi realizada em estúdio, ambiente sem ruído, com uma especificação de gravação que
pudesse abranger a entrada dos diversos codificadores de voz utilizados em Telefonia Móvel
Celular e IP, em particular os codecs ITU-T G.723.1, AMR-NB e AMR-WB. Para um bom
funcionamento dos Sistemas Automáticos de Reconhecimento de voz é necessário que os atributos
de reconhecimento sejam obtidos a uma taxa elevada, porém os codificadores de Voz para
Telefonia IP e Móvel Celular normalmente geram seus parâmetros a taxas mais baixas, o que
degrada o desempenho do reconhecedor. Usualmente é utilizada a interpolação linear no domínio
das LSFs (Line Spectral Frequencies) para resolver este problema. Nesta Tese foi proposta a
realização da interpolação com a utilização de um Filtro Digital Interpolador que demonstrou ter
um desempenho de reconhecimento muito superior ao da interpolação linear. Foi avaliado também
o uso das ISFs (Immittance Spectral Frequencies) interpoladas como atributo de reconhecimento,
as quais se mostraram inadequadas para esta finalidade, assim como as LSFs. Outro aspecto de
fundamental importância para os reconhecedores de voz distribuídos é a recuperação de perda de
pacotes, que tem impacto direto no desempenho de reconhecimento. Normalmente os
codificadores inserem zeros nos pacotes perdidos ou interpolam linearmente os pacotes recebidos
visando restaurar estes pacotes. Foi proposta nesta tese uma nova técnica baseada em Redes
Neurais que se mostrou mais eficiente na restauração destes pacotes com a finalidade da realização
do reconhecimento. / [en] This Thesis aims at exploring several approaches for performance improvement of the
Automatic Speech Recognition System with large vocabulary for the Brazilian Portuguese when
applied in a distributed scenario (Distributed Speech Recognition). With this purpose, a speech
database for continuous speech recognition for the Brazilian Portuguese with 100 speakers was
constructed, each one uttering 1000 phonetic balanced sentences. The recording was carried out in
a studio (environment without noise) with a specification of recording that would be able to allow
the input of several speech codecs in Cellular Mobile Telephony and IP Networks, in particular the
ITU-T G.723.1, AMR-NB and AMR-WB. In order to work properly, Automatic Speech
Recognition Systems require that the recognition features be extracted at a high rate. However, the
Speech codecs for Cellular Mobile Telephony and IP Networks normally generate its parameters at
lower rates, which degrades the performance of the recognition system. Usually the linear
interpolation in the LSF (Line Spectral Frequencies) domain is used to solve this problem. In this
Thesis the accomplishment of the interpolation with the use of a Digital Filter Interpolator was
proposed and demonstrated to have a higher performance than the linear interpolation in
recognition systems. The use of the interpolated ISFs (Immittance Spectral Frequencies) was also
evaluated as recognition feature, which had shown to be inadequate for this purpose, as well as the
LSFs. Another very important aspect for the distributed speech recognizers is the recovery of lost
packets, that has direct impact in the recognition performance. Normally the coders insert zeros in
the lost packets or interpolate linearly the received packets aiming to restore them. A new
technique based on Neural Networks was proposed in this thesis that showed to be more efficient
in the restoration of these lost packets with the purpose of speech recognition.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:14306 |
| Date | 05 October 2009 |
| Creators | VLADIMIR FABREGAS SURIGUE DE ALENCAR |
| Contributors | ABRAHAM ALCAIM |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0688 seconds