расширяющий предыдущий (в списке остаются лишь слова, оценки которых
превышают вктоочающий модель пользова-теяя и семантическую память.
Эксперименты с vdms показали, что речевой сигнал ограничивается
по полосе на частоте 9 кГц и поступает на 12-разрядный аналого-цифровой
преобразователь, где квантуется с частотой 30 кГц. Затеи оцифрованная
речь проходит через ЦАП и результирую щая аналоговая речь поступает на
три полосовых фильтра, имеющих полосы пропускания I&0 - 190, 990 - 2200 и
8000 - 5000 Гц. Через интервалы в 10 мс с фильтров снимались два
параметра - максимальная амплитуда и число нулевых пересечений.
Полученные шесть параметров использовались для грубой акустической
маркировки каждого десятимиллисекувдного отрезка.
Как только слово поступает в систему, формируется и хранится в
памяти информахцж о нем, в частности, отмечается, сколько высказываний тому
назад это слово было произнесено и былс ли оно использовано, насколько
вероятно, что это слово повторится еще раз. В системе учтено, что
различные контекстные слова предсказанные тематической памятью, "стареют"
от высказывания ч высказывании и вероятности их использования
уменьшаются. Вел* вероятность предсказанного слова Падает ниже заданного
нaпepe^ порога, то это слово какое-то время не рассматривается.Все
эт' в vdms выполняет блок диалогового уровня Discourse , являющийся
наиболее оригинальным блоком системы. Процедуры, которые
42
реализует Discourse, основаны на изучении,диаюга между двумя людьми,
совместно выполняющими некоторую работу. Ьыло найдено и Досмаяизовано
влияние контекста на характер диалога,причем рассматриваются два вида
контекстного влияния. Глобальный контекст обеспечивает один вид ограничений
при интерпретации высказывания. Эти ограничения используются при
идентификации группы существительных. Второй вид ограничений связан с
текущим контекстом соседних высказываний. Они используются при
интерпретации сокращенных, эллиптических выражений и, в частности,
добавляют дополнительные фрагменты к сокращенному высказыванию. В качестве
примера высказывания, которое может воспринять система VDl'iS , ыож" но
привести такое: "Напечатайте типы подводных лодок, на которых больше семи
ракет".
СПР vdms - spi построена на базе проблемно-ориентированного
языка,доступного информационно-поисковой системе данных о подводном флоте
США, Великобритании и СССР. Общий словарь системы составляет 450 слов [
182] , Система использует синтаксис спонтанного английского диалога, что
позволяет запоминать информацию о ранее произнесенных фразах и декодировать
текущие, используя предыдущие высказывания. Система vdms-sri наиболее
полно использует идеологию искусственного интеллекта при интерпретации
устных высказываний, которые могут быть сильно "усеченными".
Для испытания системы была проделана серия опытов, которые должны были
определять наилучшую структуру СПР подобного типа. Было испытано 16
экспериментальных систем, которые дали точность интерпретации высказываний
от 46,7 до 73,3%, причем если итерировать несущественные оаибки
распознавания, то точность (для наилучшей конфигурации системы) возрастает
до 81,7%. В [1в2~\ отмечается, что наиболее эффективной помощью при
реализации речевого диалога оказались использование и проверка контекста.
Начиная с 1976 г. начали появляться работы о построении СПР в
Западной Европе (Франция, Италия, ФРГ), Японии и СССР.Уровень исследований
по СПР в этих странах (объем словаря,сложность языка) пока ниже, чем работ,
выполненных в США по проекту arpa. Сяедует, впрочем, отметить, что
разработка "малых" СПР производится в соответствии с тенденцией [145] ,
которая заклта-в»оя в том, чтобы "заполнить пропасть" между практическими
сис-^мами распознавания слов и относительно громоздкими СПР, выполнившимися
по проекту arpa.
В С142]приведена таблица, которая, по мнению автора, характеризует
действительное состояние и будущее развитие коммерческих систем
распознавания/ понимания речи до 3000 г.:
431982 - БИС для системы распознавания речи.
1985 - Высокоточные системы распознавания изолированных слов с большими
словарями.
1990 - Системы автоматической диктовки с ограниченным словарем,
управляемые синтаксисом языка.
I&95 - Системы понимания речи с неограниченным словарем, но с
ограничениями на синтаксис.
2000 - Системы распознавания слитной речи с неограниченным словарем и
без ограничений на синтаксис.
§ 1.4. Системы автоматического речевого ответа
1.4.1. Коммерческие системы автоматического синтеза речи. В системах
автоматического речевого общения "человек-ЭВМ" важную роль играет
автоматический речевой вывод, позволяющий человеку получать необходимую
ему информацию в привычной форме речевого сигнала. Проблема
автоматического речевого вывода считается более простой, чем автоматическое
распознавание речи (в первом случае речь воспринимает человеческий мозг,
-; а во втором - автомат). Поэтому работы по построению систем
автоматического речевого ответа (САРО) промышленность получила раньше, чем
работы по автоматическому распознаванию/ пониманию речи. Синтезаторы
речи,являющиеся главными узлами таких систем, уже изготовляются
промышленностью США, Японии и некоторых других стран [30, 46, 51, 52,
100, 142] . В саязи с появлением микропроцессоров и специализированных БИС,
а также в связи с тем, что пользователи потребовали, чтобы информационные,
управляющие и другие подобные системы, основанные .на использовании ЭВМ,
"говорили", фирмы, выпускающие ЭВМ или отдельные узлы ЭВМ, начали выпуск
оборудования дея систем речевого ответа. Построены первые промышленные
системы, который обеспечивают одновременное автоматическое распознавание
(автоматический речеэой запрос" с использованием ограниченного лексикона) и
речевой ответ. Первое применение такие системы нашли в "интеллектуальных"
терминалах больших ЭВМ (или сетей ЭВМ), в некоторых системах военного
назначения, в приборах бытовой электроники [52, 60, I40t .
Следует отметить также, что продолжают развиваться научные исследования
в области создания систем автоматического синтеза. Эти работы,
направленные в основном на повышение качества (разборчивости и
естественности) синтезируемой речи (без существенного повышения объема
информации, требуемой для управления син-
44
двзатором), проводятся в США [103, 112, 129, 133, I??] , СССР f48, 63, 54]
, Японии [l3b,I62] , Великобритании [l64] , Канаде [167] , Франции [146
171] , Италии [l60,JSl] , Мексике [ill],Западной Германии [122, 184] ,
Норвегии [137] и других странах.
В [142] отмечается, что ЭВМ пятого поколения (мультиыикро-процессорные
машины) будут гораздо шире, чем современные ЭЗУ, использовать ввод и вывод
информации в речевой форме. Предполагается, что уже в ближайшее время ЭВМ,
оборудованные системами речевого вывода, настолько проникнут в нашу жизнь,
что совершенно изменят взаимоотношения человека и техники.
В основе систем автоматического речевого ответа, поступающих в настоящее
время на рынок, лежат три основных способа синтеза рэчи - непосредственное
кодирование речевой волны (дискрети-аация и сжатие), форматный синтез и
синтез, основанный на линейном предиктивном кодировании (линейном
предсказании). В [б] приводятся системы автоматического речевого вывода -
наиболее распространенные в настоящее время в США системы такого рода. Так,
в сис-томч Votrax процесс формирования устного высказывания по тексту,
поступившему из ЭВМ или с клавиатуры в закодированном виде,начинается о
разбивки текста на основные звуковые влементы - фонемы. Так как фонемная
цепочка, соответствующая тексту, не обеспечивает высокочастотной речи, то
эта цепочка программно преобразуется в цепочку аллофонных кодов (аллофоны -
это варианты произнесения фонем в зависимости от контекста; разные
исследователи называют различное число аллофонов для каждого языка;в
системе Votrax используется 12Ь аллофонов, что позволяет получать более
естественную речь). Для порождения слитной речи аллофоны Должны плавно
переходить друг в друга.
Каждому аллофону соответствует управляющее слово, воздействующее на
аппаратный синтезатор звуков, который в два этапа перерабатывает цепочку 12-
разрядных управляющих слов. На первом этапе Управляющее слово декодируется
и перерабатывается в аналоговые управляющие сигналы, задающие частоту
основного тона, длительность изменения во времени амплитуды и гармоник,
связанных с каждым ал-Яофоном. На втором этапе реализуется собственно
синтез. При этом параметрические сигналы, воздействуя на генераторы звука и
прог-Рачмируемые фильтры, преобразуются в звуки речи. Звонкие звуки
°оздаются с помощью генератора регулируемой высоты тона, а глухие - с
помощью генератора бел го шума.
В приборах Texas Instruments три большие интегральные сис-^ы (БИС)
моделируют голосовой тракт человека. В основе модели •вяит метод
линейного предсказания (или линейного предиктивного ко-
45
дирования - ЛПК). При ЛПК на кристалл синтезатора подаются значения
коэффициентов для цифрового фильтра второго порядка,который моделирует
динамику форматных частот. Вычисление коэффициентов фильтра производит
другая БИС - микропроцессор тыз -1000. Третья БИС хранит отдельные части
слов в параметрическом виде. Воссоздание речи по этим параметрам
осуществляет сложный программный алгоритм.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8
