включаючи інтонацію, описує всі виміряні параметри математично коротко.
З 1996 року компанія «СТЕЛ - Комп'ютерні Системи» у співпраці з провідними фахівцями філологічного факультету МДУ ім. М.В. Ломоносова, Обчислювального центру РАН і ряду інших організацій виконує проект по створенню прототипу дикторонезалежної системи розпізнавання російської мови [26] . З методологічної точки зору проект заснований на застосуванні сучасних методів обробки мовного сигналу і апарату прихованих Марковських моделей для опису фонетичних і семантико-синтаксичних закономірностей російської мови.
Перспективи розробки систем розпізнавання мови
Як видно, технології мовного розпізнавання знайшли своє застосування в різних областях. Однак у даній області безліч проблем все ще залишаються не вирішеними, багато ідей потребують подальшого розвитку. Так, програми, що працюють з ізольованими словами, досягли високої точності в командних системах - в найбільш поширених сучасних додатках точність розпізнавання складає в середньому 95-99% і залежить в основному від рівня шуму. Водночас задача розпізнавання злитого мовлення достатньою мірою не вирішена, хоча у випадку обмеженого словника системи такого типу існують (VoxReports [4] на ядрі ViaVoice [3] , Verbmobil ) і показують високі результати по точності. В даний час безліч робіт присвячено проблемі розпізнавання злитого мовлення (ІПУ РАН [23] , «Істра-Софт» [25] , IBM [3] ), тому що саме такий тип мовного взаємодії вважається найбільш перспективним.
Рис.1 Класифікація систем розпізнавання мови
Найважливішим етапом обробки мови в процесі розпізнавання, є виділення інформативних ознак, однозначно характеризують мовний сигнал. Існує деяке число математичних методів, які аналізують мовної спектр. Тут самим широко використовуваним є перетворення Фур'є, відоме з теорії цифрової обробки сигналів. Даний математичний апарат добре себе зарекомендував в даній області, є безліч методик обробки сигналів, що використовують у своїй основі перетворення Фур'є. Не дивлячись на це, постійно ведуться роботи з пошуку інших шляхів параметризації мови. Одним з таких нових напрямків, є вейвлет аналіз, який став застосовуватися для дослідження мовних сигналів порівняно недавно. Теорія даного методу зараз розвивається вченими всього світу, і багато дослідників покладають великі наді?? Ди на використання інструменту вейвлет аналізу для розпізнавання мови.
Якщо розглянути мовні распознаватели з позиції класифікації за механізмом функціонування, то переважна їх частина відноситься до систем з ймовірносно-мережевими методами прийняття рішення про відповідність вхідного сигналу еталонному - це метод прихованого Марківського моделювання (СММ), метод динамічного програмування і нейромережевої метод (рис. 1 ). Наприклад, нейронні мережі можуть бути використані для класифікації характеристик мовного сигналу і прийняття рішення про приналежність до тієї чи іншої групи еталонів [27] . Нейромережа має здатність до статистичного усереднення, тобто вирішується проблема з варіативністю мови. Багато нейромережеві алгоритми здійснюють паралельну обробку інф...
