Expresión de interés del proyecto fin de carrera de título integración de un modelo de lenguaje en un sistema de reconocimiento de voz para habla contínua en euskera

Expresión de interés del proyecto fin de carrera de título integración de un modelo de lenguaje en un sistema de reconocimiento de voz para habla contínua en Euskera
Ingeniería Técnica de Telecomunicación: Sistemas de Telecomunicación. Escuela Técnica Superior de Ingeniería de Bilbao. Alameda Urquijo s/n 48013 Bilbao Teléfono: 652712284 Asignatura: Proyectos Abstract The following document aimsto show the interest of a project in which a language model for Basque language is going to be applied to get a continuous speech recognizer. First of all, it is explained why it is necessary to develop this initiative, as well as the main purpose of the research and the technical and scientific objectives. In the state of the art the level of implementation of speech technologies in otherlanguages and the current level in Basque will be given. Finally it is explained why it is necessary to make this idea as a project, how it is going to be organized and the different firms that are going to support it. hace difícil disponer de texto escrito para elaborar un corpus. Todo ello supone que crear un reconocedor de voz sea mucho más complejo que para otras lenguas. En la actualidad haydesarrollados para el euskera sistemas de reconocimiento de palabras aisladas y de palabras conectadas pero no hay un sistema de habla continua. Para obtener un sistema de reconocimiento de habla continua es necesario elaborar un modelo de lenguaje para después integrarlo en el reconocedor. Un modelo de lenguaje asigna una probabilidad a una determinada secuencia de palabras capturando las propiedadesdel lenguaje. El modelado del lenguaje es empleado en diversas áreas como: traducción, parsing, recuperación de información, etc. Existen diversas herramientas como pueden ser CMU-SLR Toolkit [4] o SRILM [5] que tienen como objetivo el desarrollar modelos de lenguaje, las cuales se basan en métodos estadísticos [6] para la creación de los modelos. En concreto en el proyecto fin de carrera que sepretende llevar a cabo, se van a analizar los siguientes capítulos del estado del arte: Análisis de las diferentes técnicas de modelado de lenguaje. Análisis de las técnicas de limpieza y depurado de textos para obtención del corpus. Análisis del funcionamiento y aplicaciones de los reconocedores de voz. Análisis de los métodos de integración de modelos del lenguaje en el reconocedor de voz. Mejorasaportadas en el rendimiento del sistema de reconocimiento por el empleo de modelos de lenguaje. 3. Objetivo principal

1.

Necesidad y relevancia

Los servicios de reconocimiento de voz [1] llevan funcionando y evolucionando desde los años sesenta, pero es en esta última década cuando más han avanzado debido a la gran revolución tecnológica que se ha dado. La principal función de unreconocedor de voz es la de facilitar la comunicación entre hombre y máquina. Para realizar su función el reconocedor primero, divide y caracteriza la señal acústica de una locución y después, para identificar los segmentos, emplea los modelos acústicos que son modelos ocultos de Markov [2]. Disponer de un sistema capaz de reconocer la voz es hoy en día muy importante ya que se puede extender a muydiversas aplicaciones como: sistemas de dictado automático, telefonía, sistemas diseñados para discapacitados o control por comandos. Las aplicaciones anteriormente citadas requieren de diferentes capacidades del sistema dependiendo de sus necesidades. En el caso de control por comandos solo es necesario integrar un diccionario en el reconocedor de voz, pero para sistemas de dictado automático esnecesario integrar un modelo de lenguaje ya que se trata de un sistema de reconocimiento de habla continua. Idiomas como el inglés o el español ya disponen de modelos de lenguaje debido a los mayores recursos disponibles en estas lenguas. Por lo tanto, para poder dotar al euskera de un sistema de reconocimiento de habla continua se hace necesario el uso de un modelo lenguaje [3]. 2. Estado del arte...