Présentation
Auteur(s)
-
Jean-Paul HATON : Professeur à l'Université de Lorraine, LORIA/INRIA - Membre de l'Institut universitaire de France
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
L'utilisation de la parole comme mode de communication entre un homme et une machine a été largement étudiée au cours des dernières décennies. Nous nous intéressons dans ce dossier à la reconnaissance automatique de la parole (RAP), c'est-à-dire à l'ensemble des techniques permettant de communiquer oralement avec une machine. La RAP présente un intérêt pratique indéniable, dans certaines conditions d'utilisation (accès à distance, charge de travail importante, handicapés, etc.). Des produits commerciaux existent depuis plus de trente ans, d'abord essentiellement pour la reconnaissance de mots isolés et enchaînés puis maintenant pour des phrases prononcées continûment. La plupart sont fondés sur des algorithmes de programmation dynamique et des modèles stochastiques (sources de Markov). Néanmoins, des problèmes restent à résoudre pour accroître la robustesse de ces systèmes et pour étendre leurs capacités de dialogue. Les recherches menées actuellement portent ainsi sur la reconnaissance de parole bruitée, le traitement d'énoncés incomplets ou incorrects, la définition de procédures de dialogue, etc.
Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.
Déjà abonné ? Se connecter
VERSIONS
- Version archivée 1 de août 1998 par Jean-Paul HATON
- Version courante de oct. 2018 par Jean-Paul HATON
DOI (Digital Object Identifier)
Présentation
Perspectives et conclusionArticle inclus dans l'offre
"Documents numériques Gestion de contenu"
(68 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
6. Méthodes robustes pour la reconnaissance
6.1 Position du problème
Les performances des systèmes de reconnaissance actuellement disponibles sont bonnes dans des conditions d'utilisation bien contrôlées. Ces performances sont fortement dépendantes de la complexité et de la difficulté de la tâche envisagée. Ainsi, en moyenne, les taux d'erreur mesurés en laboratoire, en mode indépendant du locuteur, peuvent aller de 0,3 % (pour des suites de chiffres) à 5 % (pour un vocabulaire de 20 000 mots en parole continue), puis à 8 % (pour des lettres épelées), et jusqu'à 55 % pour des conversations téléphoniques spontanées !
Par ailleurs, le taux d'erreur s'accroît de façon spectaculaire lorsque les conditions d'apprentissage et d'utilisation d'un système sont différentes (notamment en ce qui concerne le type et le niveau de bruit). À titre d'exemple, la figure 15 donne le taux de reconnaissance en parole continue en fonction du rapport signal/bruit (RSB) (avec un bruit blanc gaussien ajouté au signal) d'un système entraîné au préalable avec de la parole non bruitée. Les performances passent de 97 % de reconnaissance en parole très peu bruitée (RSB = 36 dB) à 3 % en milieu très bruité (RSB = 0 dB).
Les systèmes actuels sont donc dans l'ensemble très peu robustes aux variations même si celles-ci peuvent paraître assez faibles à l'oreille. Les sources de variabilité de la parole peuvent être classées en trois catégories, selon leur provenance :
-
l'environnement du locuteur ; bruit corrélé à la parole (réverbération, réflexion) ou additif (bruit ambiant, etc.) ;
-
le locuteur lui-même ; selon son état et son mode d'expression : essoufflement, stress, effet Lombard (qui amène un locuteur à modifier sa voix lorsqu'il est placé dans une ambiance très bruitée), rythme d'élocution, fatigue, etc. ;
-
les conditions d'enregistrement ; type de microphone, distance au microphone, canal de transmission (distorsion, écho, bruit électronique, etc.).
De nombreuses techniques ont été proposées pour augmenter la robustesse des systèmes, notamment en ce qui concerne leur résistance aux bruits. Ces techniques peuvent être classées en trois grandes approches qui sont résumées dans les paragraphes qui suivent :
- ...
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Méthodes robustes pour la reconnaissance
Article inclus dans l'offre
"Documents numériques Gestion de contenu"
(68 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
BIBLIOGRAPHIE
-
(1) - RABINER (L.), HUANG (B.H.) - Fundamentals of speech recognition. - Prentice-Hall, Englewood Cliffs (1993).
-
(2) - JUNQUA (J.-C.), HATON (J.-P.) - Robustness in automatic speech recognition. - Kluwer Academic, Dordrecht (1996).
-
(3) - BOITE (R.), BOURLARD (H.), DUTOIT (T.), HANCQ (J.), LEICH (H.) - Traitement de la parole. - Presses polytechniques et universitaires romandes, Lausanne (2000).
-
(4) - MINKER (W.), BENNACEF (S.) - Reconnaissance vocale et dialogue homme-machine. - Eyrolles, Paris (2000).
-
(5) - MARIANI (J.) (éd.) - Reconnaissance de la parole : traitement automatique du langage parlé. - Hermes – Science – Lavoisier, Paris (2002).
-
(6) - COHEN (M.), GIANGOLA (J.), BALOGH (J.) - Voice user interface design. - Addison-Wesley,...
ANNEXES
HTK (HMM ToolKit) : logiciel libre destiné au développement d'applications complètes de reconnaissance de la parole fondées sur MMC https://htk.eng.cam.ac.uk/
VISPER (Visual speech processing system ) : logiciel libre permettant de visualiser les étapes de reconnaissance par programmation dynamique et par MMC développé par l'Université Technique de Liberec, Tchéquie https://www.ite.tul.cz/speechlabe/index.php/old-projects/visper.html
SNOORI : logiciel libre d'analyse, de visualisation et d'étiquetage de la parole développé au LORIA par Yves Laprie pour les recherches en phonétique, perception et traitement automatique de la parole
Bases de données de parole étiquetée disponibles pour de nombreuses langues par l'intermédiaire des organismes :
LDC, Linguistic Data Consortium http://www.ldc.upenn.edu/
ELRA, European Language Resources Association http://www.elra.info/
Dragon Naturally Speaking de Nuance https://www.nuance.com/fr-fr/dragon.html
HAUT DE PAGE...
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Documents numériques Gestion de contenu"
(68 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
