Reconnaissance de la parole

Présentation au sujet: "Reconnaissance de la parole"— Transcription de la présentation:

1 Reconnaissance de la parole
Ivan Magrin-Chagnolleau, CNRS Laboratoire Dynamique Du Langage LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

2 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Objectifs Transformer un signal de parole en : Texte (dictée vocale, transcription) Action (commande vocale, systèmes de dialogue) Information indexée (annotation, indexation) LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

3 Les sources de variabilité LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Les facteurs intra-locuteurs : co-articulation, variation dans la prononciation, etc. Les facteurs inter-locuteurs : physiologie, age, sexe, psychologie, familiarité avec l’application, etc. L’environnement : bruit, micro, canal de transmission, présence d’autres locuteurs, etc. LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

4 Variabilité intra- et inter-locuteur
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

5 Variabilité intra-locuteur LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

6 Typologie des systèmes LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Type de parole Taille du vocabulaire Niveau de dépendance par rapport aux locuteurs Environnement d’utilisation Profil des utilisateurs potentiels LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

7 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Type de parole Mots isolés Mots connectés Détection de mots clés Parole contrainte Parole continue Parole spontanée LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

8 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Taille du vocabulaire Quelques mots (5 – 50) Petit vocabulaire (50 – 500) Vocabulaire moyen (500 – 5000) Grand vocabulaire (5000 – 50000) Très grand vocabulaire (> 50000) LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

9 Dépendance au locuteur LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Dépendant du locuteur : le système fonctionne correctement avec un utilisateur particulier Adaptation au locuteur = utilise quelques données spécifiques d’un locuteur pour adapter le système à une nouvelle voix Indépendant du locuteur : le système fonctionne avec n’importe quel utilisateur LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

10 Environnement d’utilisation LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Parole large-bande (ordinateur, etc.) Parole bande-étroite avec distorsion (téléphone, etc.) Environnement calme (bureau + micro-casque) Bruit de fond LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

11 Profil des utilisateurs potentiels
Utilisation professionnelle par des spécialistes Grand public Entraîné / naïf Fréquent / occasionnel Utilité Coopération LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

12 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Deux exemples Dictée vocale Parole continue Grand vocabulaire Adaptation au locuteur Bureau+micro-casque Utilisateurs d’ordinateurs Service téléphonique Détection de mots clés Quelques mots Indépendant du locuteur Parole téléphonique Grand public LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

13 Système de reconnaissance de mots
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

14 Programmation dynamique (DTW)
Mot 1 Mot 2 Mot n Mot inconnu Y Mot X meilleur chemin LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

15 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Contraintes locales LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

16 Contraintes locales : exemple LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

17 Modèle de Markov caché : principe
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

18 Modèles de Markov cachés (HMM)
Mot inconnu Y Mot X Mot 1 Mot 2 Mot n meilleur chemin LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

19 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Viterbi : exemple LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

20 Algorithme de Viterbi : exercice
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

21 Le modèle hiérarchique LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

22 Le modèle hiérarchique : exemple
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

23 Modèles phonétiques (1) LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

24 Modèles phonétiques (2) LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Le mot « américain » LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

25 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Modèles contextuels LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

26 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Modèles de langage A un instant donné, tous les mots n’ont pas la même probabilité de présence : Le petit chat boit du … Grammaires probabilistes : toutes les phrases sont possibles mais avec des probabilités différentes Grammaires à états finis : partition binaire des séquences de mots en « séquences possibles » et « séquences impossibles » LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

27 Modèle acoustique + Modèle de langage
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

28 Les n meilleures phrases LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

29 Treillis de mots / Graphe de mots
LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

30 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Graphe de mots (2) LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

31 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Performances LE TRAITEMENT AUTOMATIQUE DE LA PAROLE

32 LE TRAITEMENT AUTOMATIQUE DE LA PAROLE
Recherche actuelle LE TRAITEMENT AUTOMATIQUE DE LA PAROLE