Recent Advances in Speech Understanding and Dialog Systems

این جلد شامل مقالات دعوت شده و ارائه شده در مؤسسه مطالعات پیشرفته ناتو در مورد "پیشرفت های اخیر در سیستم های گفتار و درک گفتار" است که در باد ویندشیم، جمهوری فدرال آلمان، از 5 تا 18 ژوئیه 1987 برگزار شد. به سه بخش کدگذاری گفتار و تقسیم بندی، تشخیص کلمات و پردازش زبانی تقسیم می شود. اگرچه این فقط می تواند یک سازمان تقریبی باشد که برخی از همپوشانی ها را نشان می دهد، ویراستاران احساس کردند که به طور طبیعی نشان دهنده استراتژی پایین به بالا درک گفتار است و بنابراین، باید برای خواننده مفید باشد. بخش 1، کدگذاری گفتار و تقسیم بندی، شامل 4 مقاله دعوت شده و 14 مقاله ارائه شده است. اولین مقاله دعوت شده خصوصیات اساسی سیگنال‌های گفتار را خلاصه می‌کند، طرح‌های کدگذاری را بررسی می‌کند، و راه‌حل خاصی را توصیف می‌کند که کیفیت گفتار بالا را با نرخ داده پایین تضمین می‌کند. مقاله دوم و سوم دعوت شده مربوط به رمزگشایی آکوستیک آوایی است. تکنیک هایی برای ادغام منابع دانش در سیستم های تشخیص گفتار توسط سیستم های تجربی ارائه و نشان داده شده است. چهارمین مقاله دعوت شده مروری بر رویکردهای استفاده از دانش عروضی در سیستم‌های تشخیص خودکار گفتار می‌دهد، و روشی برای تخصیص امتیاز استرس به هر هجا در یک بیان گفتار آلمانی در مقاله ارائه شده گزارش شده است. مجموعه‌ای از مقالات ارائه‌شده به مشکل تقسیم‌بندی خودکار می‌پردازد، و چندین نویسنده با موفقیت روش‌های مبتنی بر دانش را برای تفسیر سیگنال‌های گفتاری و طیف‌نگارها به کار می‌برند. سه مقاله آخر مدل‌های آوایی، مدل‌های مارکوف و تکنیک‌های کوانتیزه‌سازی فازی را بررسی می‌کنند و انتقالی به قسمت 2 ارائه می‌دهند.

This volume contains invited and contributed papers presented at the NATO Advanced study Insti tute on "Recent Advances in Speech Understanding and Dialog systems" held in Bad Windsheim, Federal Republic of Germany, July 5 to July 18, 1987. It is divided into the three parts Speech coding and Segmentation, Word Recognition, and Linguistic Processing. Although this can only be a rough organization showing some overlap, the editors felt that it most naturally represents the bottom-up strategy of speech understanding and, therefore, should be useful for the reader. Part 1, SPEECH CODING AND SEGMENTATION, contains 4 invited and 14 contributed papers. The first invited paper summarizes basic properties of speech signals, reviews coding schemes, and describes a particular solution which guarantees high speech quality at low data rates. The second and third invited papers are concerned with acoustic-phonetic decoding. Techniques to integrate knowledge­ sources into speech recognition systems are presented and demonstrated by experimental systems. The fourth invited paper gives an overview of approaches for using prosodic knowledge in automatic speech recogni tion systems, and a method for assigning a stress score to every syllable in an utterance of German speech is reported in a contributed paper. A set of contributed papers treats the problem of automatic segmentation, and several authors successfully apply knowledge-based methods for interpreting speech signals and spectrograms. The last three papers investigate phonetic models, Markov models and fuzzy quantization techniques and provide a transi tion to Part 2 .