Literacy by Way of Automatic Speech Recognition

2011 ◽  
pp. 2074-2118
Author(s):  
Russell Gluck ◽  
John Fulcher
Keyword(s):  
Neural Networks ◽  
Speech Recognition ◽  
Automatic Speech Recognition ◽  
Markov Models ◽  
Hidden Markov ◽  
Time Warping ◽  
Oral Storytelling ◽  
Pattern Recognition Techniques ◽  
Dynamic Time ◽  
Over Time

The chapter commences with an overview of automatic speech recognition (ASR), which covers not only the de facto standard approach of hidden Markov models (HMMs), but also the tried-and-proven techniques of dynamic time warping and artificial neural networks (ANNs). The coverage then switches to Gluck’s (2004) draw-talk-write (DTW) process, developed over the past two decades to assist non-text literate people become gradually literate over time through telling and/or drawing their own stories. DTW has proved especially effective with “illiterate” people from strong oral, storytelling traditions. The chapter concludes by relating attempts to date in automating the DTW process using ANN-based pattern recognition techniques on an Apple Macintosh G4™ platform.

Literacy by Way of Automatic Speech Recognition

2006 ◽  
pp. 68-119
Author(s):  
Russell Gluck ◽  
John Fulcher
Keyword(s):  
Neural Networks ◽  
Speech Recognition ◽  
Automatic Speech Recognition ◽  
Markov Models ◽  
Hidden Markov ◽  
Time Warping ◽  
Oral Storytelling ◽  
Pattern Recognition Techniques ◽  
Dynamic Time ◽  
Over Time

The chapter commences with an overview of automatic speech recognition (ASR), which covers not only the de facto standard approach of hidden Markov models (HMMs), but also the tried-and-proven techniques of dynamic time warping and artificial neural networks (ANNs). The coverage then switches to Gluck’s (2004) draw-talk-write (DTW) process, developed over the past two decades to assist non-text literate people become gradually literate over time through telling and/or drawing their own stories. DTW has proved especially effective with “illiterate” people from strong oral, storytelling traditions. The chapter concludes by relating attempts to date in automating the DTW process using ANN-based pattern recognition techniques on an Apple Macintosh G4™ platform.

scholarly journals Reconocimiento del habla mediante el uso de la correlación cruzada y una perceptrón multicapa

Nova Scientia ◽  
2014 ◽  
Vol 6 (12) ◽  
pp. 108
Author(s):  
Carlos A. De Luna-Ortega ◽  
Miguel Mora-González ◽  
Julio C. Martínez-Romo ◽  
Francisco J. Luna-Rosas ◽  
Jesús Muñoz-Maciel
Keyword(s):  
Hidden Markov Models ◽  
Dynamic Time Warping ◽  
Markov Models ◽  
Hidden Markov ◽  
Time Warping ◽  
Dynamic Time

En el presente artículo se da a conocer una alternativa algorítimica a los sistemas actuales de  reconocimiento automático del habla (ASR), mediante una propuesta en la forma de realizar la caracterización de las palabras basada en una aproximación que usa la extracción de coeficientes de la codificación de predicción lineal (LPC) y la correlación cruzada. La implementación consiste en extraer las características fonéticas mediante los coeficientes LPC, después se forman vectores de patrones de la pronunciación conformados por el promedio de los coeficientes LPC de  las muestras de las palabras obteniendo un vector característico de cada pronunciación mediante la autocorrelación de las secuencias de coeficientes LPC; estos vectores se utilizan para entrenar  un clasificador de tipo perceptrón multicapa (MLP). Se realizaron pruebas de desempeño previo entrenamiento con los diferentes patrones de las palabras a reconocer. Se utilizó la fonética de los dígitos del cero al nueve como vocabulario objetivo, debido a su amplia aplicación, y para estimar el desempeño de este método se utilizaron dos corpus de pronunciaciones: el corpus UPA, que contempla en su base de datos la pronuncación de la región occidente de México, y el corpus Tlatoa, que hace lo propio para la región centro de México. Las señales en ambos corpus fueron adquiridas en el lenguaje español,  y a una frecuencia de muestreo de 8kHz. Los porcentajes de reconocimiento obtenidos fueron del 96.7 y 93.3% para las modalidades de mono-locutor para el corpus UPA y múltiple-locutor para el corpus Tlatoa, respectivamente. Asimismo, se realizó una comparación contra dos métodos clásicos del reconocimiento de voz y del habla, Dynamic Time Warping  (DTW) y Hidden Markov Models (HMM).

Sign in / Sign up

Export Citation Format

Share Document