Automatic Speech and Speaker Recognition: Advanced Topics

تحقیقات در زمینه تشخیص خودکار گفتار و بلندگو در دو دهه اخیر، تحت تأثیر پیشرفت‌های پردازش سیگنال، الگوریتم‌ها، معماری‌ها و سخت‌افزار، پیشرفت‌های چشمگیری داشته است. این پیشرفت ها عبارتند از: اتخاذ یک الگوی تشخیص الگوی آماری. استفاده از چارچوب مدل‌سازی مارکوف پنهان برای مشخص کردن تغییرات طیفی و زمانی در سیگنال گفتار. استفاده از مجموعه بزرگی از مثال‌های بیان گفتار از جمعیت زیادی از سخنرانان برای آموزش مدل‌های پنهان مارکوف برخی از واحدهای گفتاری اساسی. سازماندهی منابع دانش گفتار و زبان در یک شبکه ساختاری حالت محدود. و استفاده از روش های جستجوی اکتشافی مبتنی بر برنامه نویسی پویا برای یافتن بهترین توالی کلمات در شبکه واژگانی مربوط به گفتار گفتاری.
تشخیص خودکار گفتار و سخنران: موضوعات پیشرفته تعدادی از موضوعات مهم در مورد تشخیص گفتار و گوینده را در یک جلد گرد هم می‌آورد، موضوعاتی که اهمیت اساسی دارند، اما هنوز به تفصیل در آن توضیح داده نشده‌اند. کتاب های درسی موجود اگرچه هیچ پارتیشن صریحی ارائه نشده است، کتاب به پنج بخش تقسیم شده است: فصل های 1-2 به مروری بر فناوری اختصاص داده شده است. فصل‌های 3-12 مدل‌سازی صوتی واحدهای گفتاری اساسی و مدل‌سازی واژگانی کلمات و تلفظ‌ها را مورد بحث قرار می‌دهند. فصل 13-15 به مسائل مربوط به انعطاف پذیری و استحکام می پردازد. فصل 16-18 به مسائل نظری و عملی جستجو می پردازد. فصل‌های 19-20 دو مثال از جنبه‌های الگوریتم و اجرایی برای تحقق سیستم تشخیص ارائه می‌دهند.
مخاطب: یک کتاب مرجع برای محققان گفتار و دانشجویان فارغ التحصیل که علاقه مند به پیگیری تحقیقات بالقوه در مورد این موضوع هستند. همچنین ممکن است به عنوان متنی برای دوره های پیشرفته در این زمینه استفاده شود.

Research in the field of automatic speech and speaker recognition has made a number of significant advances in the last two decades, influenced by advances in signal processing, algorithms, architectures, and hardware. These advances include: the adoption of a statistical pattern recognition paradigm; the use of the hidden Markov modeling framework to characterize both the spectral and the temporal variations in the speech signal; the use of a large set of speech utterance examples from a large population of speakers to train the hidden Markov models of some fundamental speech units; the organization of speech and language knowledge sources into a structural finite state network; and the use of dynamic, programming based heuristic search methods to find the best word sequence in the lexical network corresponding to the spoken utterance.
Automatic Speech and Speaker Recognition: Advanced Topics groups together in a single volume a number of important topics on speech and speaker recognition, topics which are of fundamental importance, but not yet covered in detail in existing textbooks. Although no explicit partition is given, the book is divided into five parts: Chapters 1-2 are devoted to technology overviews; Chapters 3-12 discuss acoustic modeling of fundamental speech units and lexical modeling of words and pronunciations; Chapters 13-15 address the issues related to flexibility and robustness; Chapter 16-18 concern the theoretical and practical issues of search; Chapters 19-20 give two examples of algorithm and implementational aspects for recognition system realization.
Audience: A reference book for speech researchers and graduate students interested in pursuing potential research on the topic. May also be used as a text for advanced courses on the subject.