- •Интеллектуальные
- •Предисловие
- •1. Раздел. Экспертные системы
- •1.1. Назначение и принципы построения экспертных систем
- •1.2. Классификация экспертных систем
- •1.3. Методология разработки экспертных систем
- •1.4. Этапы разработки экспертных систем
- •1.5. Приобретение знаний для экспертных систем
- •1.6. Представление знаний и выводы в экспертных системах
- •1.7. Особенности различных представлений знаний
- •2. Раздел. Системы общения на естественном языке
- •2.1. Назначение и область применения естественно-языковых систем
- •2.2. Обобщенная схема естественно-языковой системы
- •Основные параметры ея-системы
- •2.3. Настройка естественно-языковых систем
- •2.4. Классификация естественно-языковых систем
- •Задачи, решаемые основными компонентами системы
- •Основные сведения о ея-системах
- •3. Раздел. Системы переработки визуальной информации
- •3.1. Назначение, классификация и области применения
- •3.2. Автоматизированные системы обработки изображений
- •3.3. Системы анализа изображений
- •3.4. Системы машинной графики
- •Характеристики автоматизированных систем обработки изображений
- •4. Раздел. Системы речевого общения
- •4.1. Основные положения
- •4.2.Классификация речевых процессоров
- •4.2.1. Анализаторы
- •4.2.2. Синтезаторы речи
- •4.3. Обзор промышленных систем речевого общения
- •Устройства синтеза речи
- •Устройства распознавания речи
- •4.4. Перспективные зарубежные системы речевого общения
- •4.5. Тенденции применения средств речевого общения
- •5 Раздел. Системы машинного перевода
- •5.1. Классификация смп
- •5.2. Лингвистическое обеспечение смп
- •5.2.1. Словари
- •5.2.2. Грамматики и алгоритмы
- •5.3. Математическое и программное обеспечение смп
- •5.4. Оценка смп
- •Основные системы мп и их характеристики
- •Список использованной и рекомендуемой литературы
- •Содержание
4.3. Обзор промышленных систем речевого общения
Начало промышленного выпуска СРО в разных странах относится к середине 70-х — началу 80-х годов. К настоящему времени число различных промышленных СРО достигло нескольких сотен или даже тысяч и продолжает расти. Одновременно наблюдается рост сбыта СРО.
В США и Японии выпускаются различные СРО стоимостью от 99 до 99 тыс. дол., имеющие габаритные размеры от одной БИС до стойки оборудования, потребляемую мощность от долей ватта до 1 кВт, назначение — от игрушек до телефонных справочных систем [6]. Соответственно меняются и качественные показатели: синтез речи — от машиноподобного воспроизведения нескольких десятков слов до синтезаторов речи неограниченного словаря с управляемыми характеристиками голоса; анализ речи — от распознавания 10 команд с надежностью 75—80 % до систем понимания речи со словарем в 1000 слов и надежностью 99 %. В США есть небольшие фирмы, которые занимаются исключительно системами распознавания и синтеза речи (VOTRAX,SRS,VOTAN,KAI), а также крупные компьютерные фирмы (TTI,DES,Intel,IBM), имеющие собственные подразделения по созданию СРО. Большое внимание уделяется разработке средств распознавания и синтеза речи в Японии (фирмыNES,Matsuchiba,Sanyo). В Западной Европе для проведения работ по созданию СРО сформирован специальный консорциумв составе 10 фирм (Plessay, Ferranty, GEC Marconi, Thorr-EMI, Pocal, Olivetti и др.).
Как уже отмечалось, СРО строятся на базе специализированных устройств: синтезаторов и анализаторов (распознавателей) речи. Поэтому в дальнейшем, характеризуя особенности устройств, мы будем пользоваться отдельными наборами параметров для синтезаторов и анализаторов речи.
Характеристики отечественных и зарубежных синтезаторов речи приведены в табл. 1.1. Таблица охватывает ряд отечественных и наиболее типичные зарубежные разработки синтезаторов речи на конец 1998 г.
Синтез речевых сигналов в большинстве устройств осуществляется методом линейного предиктивного кодирования либо форматным; при этом каждый из них используется как при синтезе ограниченного словаря — компилятивный метод, так и при универсальном синтезе — фонемный или дифонный метод. Объем словаря у компилятивных синтезаторов — от 100 до 1000 слов, у универсальных — неограниченный.
Входной информацией для компилятивных синтезаторов являются номера слов или фраз из заранее заданного словаря, а для универсальных — это обычный орфографический текст сообщения, как правило, предварительно размеченный дополнительными знаками ударения и интонации. Важным параметром синтезаторов является объем входной информации, необходимый для синтеза 1 с речи. Этот параметр определяет емкость памяти, необходимую для хранения слов заданного словаря (примерно 2 слова на 1 с речи). Для компилятивных синтезаторов объем информации от 1200 до 3200 бит/с, для универсальных — 80 бит/с.
Разборчивость синтезированной речи характеризуется процентом правильно воспринятых аудиторами звуков, слогов, слов или фраз в специально подобранных текстах. В настоящее время нет единой методики определения разборчивости синтезированной речи, поэтому данные, приведенные в табл. 1.1, в значительной степени неоднородны и субъективны. Известна только одна попытка применения единой методики для измерения слоговой разборчивости речи трех различных синтезаторов: TYPE-N-TALK,PROSE-2000 иDES-talk. По этой же методике проведено измерение слоговой разборчивости отечественных синтезаторов ФОНЕМОФОН-П и ФОНЕМОФОН-5.
Важным параметром с точки зрения потребителя является возможность синтеза речи на различных языках с различными типами голосов. Сфера применения синтезаторов резко расширяется, если дополнить его телекоммуникационным интерфейсом, позволяющим абоненту получать информацию по телефонной или иной коммутируемой сети.
Характеристики отечественных устройств распознавания речи приведены в табл. 1.2.
Анализ речевых сигналов в большинстве устройств осуществляется с помощью спектрально-полосных анализаторов различных модификаций, а анализ сообщений (распознавания слов) — с помощью ДП-анализаторов. В некоторых устройствах анализ речевых сигналов осуществляется путем измерения корреляционных функций, форматных параметров, плотности нулей клиппированного сигнала. В последнее время анализируются различные фонетические характеристики речи: звонкость, шумность, гласность, взрывность и др.
Под надежностью распознавания подразумевается процент правильно распознанных слов из заданного словаря в заданных условиях работы. В настоящее время нет единой методики тестирования устройств по надежности распознавания. Поэтому данные, приведенные в табл. 1.2, в значительной степени субъективны: неизвестны степень обученности дикторов, данные о микрофоне и т. д.
Наличие телекоммуникационного интерфейса в устройстве предполагает не только введение специальных блоков сопряжения со стандартной телефонной или иной сетью, но и принятие специальных мер для эффективной обработки полученных сигналов.
Наличие синтезатора речи расширяет сферу применения устройства распознавания, позволяя использовать СРО в полном объеме.
Таблица 1.1