Системы идентификации по образцу речи

Системы распознавания предложений и связной речи

Средства мультимедиа этой группы делятся на системы раздельной диктовки и системы распознавания связной речи.

Системы раздельной диктовки проще в разработке и технической реализации, но они требуют от пользователя не совсем естественного произнесения фраз — с короткой паузой перед каждым следующим словом. К таким системам относят­ся, например, Via Voice корпорации IBM, Dragon Dictate фирмы Dragon System. Последняя система позволяет, наряду с прочим, непосредственно надиктовывать текст в программы Word, Word Perfect, Internet Explorer, Netscape Navigator и т. д. Активный словарь системы насчитывает десятки тысяч слов и может по­полняться пользователем, скажем, по его профессиональной тематике. В системе дополнительно анализируются спектральные (частотные) характеристики каж­дой буквы, выделяются и хранятся ее отдельные фонемы (элементы спектра). На основе этого анализа создаются фонетические модели букв и формируемых из них слов. Точность распознавания достигает 90%, а после проверки по слова­рю еще значительно повышается.

Наиболее сложные проблемы возникают при распознавании связной речи. При произнесении связной речи больше сказывается эмоциональная составляющая вводимой информации, и при слитном произношении слов несколько изменяет­ся их звучание — все это, безусловно, затрудняет распознавание.

Наиболее совершенными системами распознавания слитных текстов можно счи­тать системы распознавания речи: Dragon Naturally Speaking компании Dragon Systems, ViaVoice корпорации IBM и Wildfire фирмы Wildfire Communications, Voice Xpress фирмы Lernout&Hauspie Speech Products. Названные системы по­зволяют обычно после длительной «тренировки» программы надиктовывать «своим» ПК тексты и отдельные команды, иногда даже разным операторам. Так, система ViaVoice позволяет многие виды работ на компьютере выполнять в ре­чевом режиме. Можно надиктовывать текст (письма, отчеты, статьи) непосред­ственно в Windows-приложения, открывать и закрывать компьютерные файлы, ориентироваться в пределах рабочего стола. Такие речевые команды, как file save, file print, scroll up, scroll down безошибочно выполняются компьютером. Скорость ввода текста достигает 140 слов в минуту, что намного больше средней скорости ввода информации с клавиатуры.

Идентификация по образцу речи относится к биометрическим технологиям идентификации человека по его уникальным физическим признакам, таким как отпечатки пальцев, рисунок радужной оболочки глаз. Речь, подобно подписи, характеризуется множеством постоянных физических параметров (которые, кстати, существенно меньше меняются со временем, чем внешность человека). Цель систем идентификации по образцу речи — идентифицировать конкретного известного системе пользователя и выявить самозванца. Взаимодействие поль­зователя с системой идентификации состоит из трех этапов:

□ регистрации пользователя с целью запоминания особенностей его голоса и фор­мирования для него речевой модели;

Средства мультимедиа

□ тестирования, во время которого вьтолняется сравнение поступившего образца речи с запомненной речевой моделью пользователя, а также возможное выяв­ление модели самозванца из базы моделей голосов множества прочих людей;

□ допуска к работе в системе, если тестирование прошло успешно и пользова­тель назвал верный пароль.