Tvorba českého jazykového modelu pro systém rozpoznávání řeči Sphinx4

Bc. Klára Kufová

Bachelor's thesis

Building Sphinx4 Czech Language Model

Abstract:

Tato práce se zabývá procesem vytváření nového jazykového modelu pro systém rozpoznávání řeči Sphinx4 a jeho praktickou demonstrací v počítačové aplikaci. Úvodní kapitola je věnována převažujícím principům a metodám používaným v oblasti rozpoznávání řeči, což umožňuje následný detailní popis architektury systému Sphinx4 a zasazení tvorby modelu do širšího kontextu. Práce se rovněž zmiňuje o předchozích rozpoznávacích systémech z rodiny Sphinx s důrazem na jejich specifika. Stěžejní část je tvořena analýzou a návrhem tří klíčových komponent systému modelujících daný jazyk: výslovnostního slovníku, jazykového modelu a akustického modelu, jemuž je věnován závěr práce společně s vyhodnocením přesnosti vzniklého modelu. Jazykový model pokrývá právě tu doménu českého jazyka, která umožňuje práci s programem pro hlasové generování obrázků. Ten byl následně implementován a je připraven k použití nejen uživatelům s tělesnými postiženími nebo vadami zraku.

Abstract:

The thesis deals with a process of building a new language model for the Sphinx4 speech recognition system and its successive practical demonstration in a computer application. The introductory chapter is devoted to the prevailing principles and methods used in a field of speech recognition, which allows us to describe an architecture of the system in detail and put the building of the model in a wider context. The thesis mentions the previous recognition systems from the Sphinx family with a great emphasis on their specifics as well. The main part consists of an analysis and design of three Sphinx4 key components which models the chosen language: a pronunciation dictionary, a language model and ultimately an acoustic model described in the final chapter together with an evaluation of the model's recognition accuracy. The model covers the problem domain of the language which can be used in a voice control application designed for a picture generation. This application was also created and is available for use by disabled users.

Keywords

rozpoznávání řeči, CMU, Sphinx4, český jazykový model, stochastický n-gramový model, lmtool, akustický model, adaptace akustického modelu, skryté Markovovy modely, výslovnostní slovník, CMUdict, generátor obrázků, Bramblitt

Language used: Czech

Date on which the thesis was submitted / produced: 15. 5. 2015

Thesis defence

• Date of defence: 18. 6. 2015
• Supervisor: Mgr. Luděk Bártek, Ph.D.
• Reader: Mgr. et Mgr. Vít Baisa, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Artificial Intelligence and Natural Language Processing