Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Studio Prestazionale del Sistema di Speech Recognition CMU Sphinx al variare di Algoritmi di Rivelazione dell'Attività Vocale

L'argomento trattato in questa tesi riguarda lo Speech Recognition ovvero il riconoscimento del parlato. I contesti applicativi in cui viene impiegato spaziano dalla robotica ai videogiochi, dalla traduzione automatica ai sistemi di navigazione per veicoli. Questo studio ha focalizzato l'attenzione su uno degli elementi cardine dello Speech Recognition che è il VAD (Voice Activity Detection), ovvero l'algoritmo responsabile dell'individuazione delle sequenze di parlato. Il software usato per implementare lo speech recognition è il toolkit open source CMU Sphinx, sviluppato presso la Carniege Mellon University. L'obiettivo principale è stato quello di realizzare uno studio prestazionale che permettesse di valutare le performance del VAD utilizzato da Sphinx con quelle di altri 2 VAD (SigmaVAD e AMR VAD1) utilizzati in modalità off-line sulla base di un database contenente file rumorosi e non rumorosi. Affinchè lo studio fosse realizzabile è stato necessario allenare il sistema a riconoscere sequenze di cifre pronunciate in italiano mediante la creazione di modelli acustici e di linguaggio ad-hoc. È stata infine implementata un'applicazione per il voice dialing che prevede l'integrazione del software PBX open source Asterisk con il software Sphinx e che consente di comporre un numero telefonico mediante l'ausilio della voce.

Mostra/Nascondi contenuto.
Capitolo 1 Introduzione L'argomento trattato in questa tesi è di grande attualità e riguarda lo Speech Recognition ovvero il riconoscimento del parlato. I contesti applicativi in cui lo speech recognition viene impiegato sono diversi e spaziano dalla robotica ai videogiochi, dalla traduzione automatica ai sistemi di navigazione per veicoli, dalla telefonia mobile al telemarketing. In particolare, questo studio ha focalizzato l'attenzione su uno degli elementi cardine dello speech recognition che è il VAD ( Voice Activity Detection ) ovvero l'algoritmo responsabile dell' individuazione della presenza o meno delle sequenze di parlato. Il software utilizzato per implementare lo speech recognition è il toolkit open source CMU Sphinx (chiamato anche Sphinx) sviluppato presso la Carnegie Mellon University di Pittsburgh. L'obiettivo principale di questa tesi è stato quello di realizzare uno studio prestazionale per valutare le performance del VAD utilizzato da Sphinx e confrontarle con quelle di altri 2 VAD (SigmaVAD e AMR VAD1) progettati per lavorare in contesti differenti dallo speech recognition, per stimare se è il caso di apportare eventuali miglioramenti al VAD originale. Le statistiche sono state raccolte per mezzo del tool di word alignment SCLITE scaricabile dal sito http://www.itl.nist.gov/iad/mig//tools/ . Il test è stato condotto su un database contenente sia file audio registrati in assenza di rumore sia file rumorosi (ottenuti a partire da file clean e aggiungendo rumore attraverso delle routine scritte in Matlab) comprendenti 5 tipologie di rumore tra cui CAR (auto), OFFICE (ufficio), FACTORY (fabbrica), CONSTRUCT (costruzione) e TRAIN (treno). Per ogni tipo di rumore sono stati analizzati 3 diversi valori di rapporto segnale-rumore (20 dB, 10 dB e 0 dB). Ciascuna categoria di rumore è composta da 3725 file e in totale il database comprende 59600 file audio in formato WAV. Per realizzare il test è stata utilizzata l'applicazione pocketsphinx_continuous per il riconoscimento delle trame di parlato continuo. Per analizzare il comportamento di Sphinx in presenza degli altri 2 VAD si è provveduto alla scrittura di apposite funzioni in linguaggio C e a disattivare tramite codice l'uso del VAD originale. 1

Laurea liv.II (specialistica)

Facoltà: Ingegneria

Autore: Marco Daniele Turco Contatta »

Composta da 112 pagine.

 

Questa tesi ha raggiunto 1549 click dal 13/04/2011.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.