Prosody in Speech Understanding Systems

فناوری گفتار، پردازش خودکار زبان گفتاری (به طور خود به خود)، اکنون از نظر فنی امکان پذیر است. این ابزار اصلی برای رسیدگی به سردرگمی زبان ها با برنامه هایی از جمله سیستم های دیکته، بازیابی اطلاعات توسط گفتگوی گفتاری و ترجمه گفتار به گفتار خواهد بود. کتاب شرح کاملی از پدیده های عروضی را ارائه می دهد. نویسنده پیشینه ریاضی و محاسباتی الگوریتم‌ها و مدل‌های آماری مورد استفاده را به تفصیل ارائه می‌کند و الگوریتم‌هایی را توسعه می‌دهد که امکان بهره‌برداری از اطلاعات عروضی را در سطوح مختلف درک گفتار، مانند نحو، معناشناسی، گفتگو و ترجمه فراهم می‌کند. سپس ادغام این الگوریتم ها را در سیستم ترجمه گفتار به گفتار VERBMOBIL و در سیستم گفتگوی EVAR مطالعه می کند و نتایج را تجزیه و تحلیل می کند.

Speech technology, the automatic processing of (spontaneously) spoken language, is now known to be technically feasible. It will become the major tool for handling the confusion of languages with applications including dictation systems, information retrieval by spoken dialog, and speech-to-speech translation. The book gives a throrough account of prosodic phenomena. The author presents in detail the mathematical and comnputational background of the algorithms and statistical models used and develops algorithms enabling the exploitation of prosodic information on various levels of speech understanding, such as syntax, semantics, dialog, and translation. Then he studies the integration of these algorithms in the speech-to-speech translation system VERBMOBIL and in the dialog system EVAR and analyzes the results.