-
Die vorliegende Erfindung bezieht
sich auf ein Verfahren und auf eine Vorrichtung zur Spracherkennung.
-
Die Erfindung betrifft das Gebiet
der Spracherkennung. Sie ist bei jeder Vorrichtung zur Spracherkennung
anwendbar, die am Eingang eine Gesamtheit (oder ein Vokabular) von
vorbestimmten Sätzen
sowie einen zu erkennenden Satz annimmt (wobei der Begriff „Satz" in einem weiten
Sinn verstanden werden muß und
insbesondere ein Wort oder eine Zusammenstellung von Wörtern bezeichnet),
und am Ausgang einen erkannten Satz liefert, wobei dieser derjenige
Satz aus dem Vokabular ist, der dem zu erkennenden Satz phonetisch
am nächsten
kommt.
-
Solche Vorrichtungen umfassen gegenständliche
(elektronische) Einrichtungen, Software oder beides, beispielsweise
sind sie in Mikrocomputern vorhanden. Sie werden dann von Software
verwendet, welche eine Spracherkennungsfunktion hat, beispielsweise
für die
Erfassung von Texten oder Befehlen des Benutzers.
-
Aus
EP 0242743 B1 , ist entspricht der
DE 37 86 822 T2 ist
ein Spracherkennungssystem bekannt, das ein eingehendes Sprachsignal
in Worthypothesen umsetzt. Die Worthypothesen werden nachfolgend
durch eine Satzerkennungseinheit verarbeitet. Hierbei wird die Spracherkennung
bereits auf grammatikalisch als richtig erkannte Sätze begrenzt.
Für die
sich aus den Worthypothesen ergebenen Satzhypothesen wird nun ein
Wert einer vorgegebenen Fehlerfunktion bestimmt. Die Fehlerfunktion
gibt einen Fehlerwert für
die Satzhypothese bezogen auf den aufgenommenen Satz an. Erkannt
wird schließlich der
Satz, der den geringsten Fehlerwert aufweist. Das Modell ist insbesondere
geeignet, um Überlappungs-
und Auslassungsfehler zu überbrücken.
-
Aus WO 98/02862 A1 ist ein interaktiver Sprachtrainer
bekannt. Bei diesem Sprachtrainer ist eine Vielzahl von Referenzen
bereits abgelegt, die sich in verschiedene Gruppen unterteilen,
wobei eine erste Gruppe Antworten mit einer akzeptablen Aussprache
enthält.
Die zweite Gruppe enthält
verschiedene Aussprachefehler. Die gesprochene Sprache wird bei
dem Sprachtrainer mit den Referenzsätzen erster und zweiter Art
verglichen, wobei zur Verbesserung auch Kombinationen der Referenzsätze eingesetzt
werden. Bei dem Sprachtrainer sind nach Möglichkeit sämtliche möglichen Aussprachefehler bereits
vorher verfaßt,
so daß,
wenn ein Fehler erkannt wird, anhand der Referenzsätze angegeben werden
kann, welcher Aussprachefehler vorliegt. Nicht erkennen kann der
Benutzer aber, in welchem Wort der Aussprachefehler erfolgte, so
daß gerade bei
längeren
Sätzen
der Benutzer nicht weiß,
in welchem Wort der Aussprachefehler auftrat.
-
Insbesondere betrifft die Erfindung
für interaktive
Systeme zum Lehren einer Fremdsprache. Ein solches System umfaßt einen
Mikrocomputer mit einer Vorrichtung insbesondere zur Spracherkennung und
externen Geräten
(Bildschirmen, Tastatur, Maus, Mikrofon, Lautsprecher, etc. ...)
sowie einer Software, damit der Mikrocomputer die Befehle eines
Benutzers ausführt.
Auch kommen andere Verwendungen des erfindungsgemäßen Prinzips
in Betracht.
-
Der Benutzer eines interaktiven Systems zum
Lehren einer Fremdsprache muß gemäß bestimmten
praktischen Übungen
bestimmte Sätze
in der Fremdsprache sprechen. Beispielsweise besteht eine herkömmliche Übung darin,
laut einen Satz zu lesen oder zu wiederholen, der vorgegeben wurde, jeweils
in sichtbarer Form (auf dem Bildschirm des Mikrocomputers) oder
hörbar
(mit Hilfe einer Vorrichtung zur Stimmerzeugung des Mikrocomputers).
Bei anderen Übungen
muß der
Benutzer laut auf eine Frage antworten, die ihm in sichtbarer oder
hörbarer Form
gestellt wurde, wobei die erhaltene Antwort im allgemeinen eine
zuvor mittels eines Beispiels bestimmte Struktur hat.
-
Ein so vom Benutzer gesprochener
Satz ist ein zu erkennender Satz, der dem Eingang der Vorrichtung
zur Spracherkennung zur Verfügung
gestellt wird. Diese umfaßt
Mittel zum Erzeugen eines erkannten Satzes, so wie weiter oben dargelegt.
Der erkannte Satz wird mit einem Bezugssatz verglichen. Dieser Bezugssatz
ist der bei korrekter Aus sprache in der Fremdsprache erwartete Satz.
Im Fall der Gleichheit setzt die Software die Ausführung fort,
um die nachfolgende Übung
zu beginnen. Im anderen Fall kann die Software den Benutzer dazu
einladen, denselben Satz erneut zu sprechen, um seine Aussprache
zu verbessern.
-
Indessen weiß der Benutzer im allgemeinen nicht,
inwiefern seine erste Aussprache fehlerhaft war. Er kann somit nicht
immer verstehen, in welchem(n) Teilen) des Satzes er seine Sprache
verbessern muß.
-
Eine Lösung besteht darin, den erkannten Satz
auf dem Bildschirm des Mikrocomputers zu zeigen, um zu ermöglichen,
daß sich
der Benutzer selbst klar über
die Art und Weise wird, in der die Vorrichtung zur Spracherkennung
(fälschlicherweise) den
Satz verstanden hat, den er gesprochen hat. Dennoch ist die Interpretation
des erkannten Satzes durch den Benutzer nicht leicht, besonders
wenn der zu sprechende Satz lang ist. Deshalb ermöglichen die
bekannten Systemen zum Lehren einer Fremdsprache im allgemeinen
nicht das Sprechen von langen Sätzen.
-
Die Aufgabe der Erfindung ist es,
das Feststellen und Lokalisieren eines Fehlers bezüglich eines
oder mehrerer bestimmter Worte eines von der Vorrichtung zur Spracherkennung
erkannten Satzes zu ermöglichen,
insbesondere im Hinblick darauf, bei interaktiven Systemen zum Lehren
der Aussprache einer Fremdsprache relativ lange Sätze zu ermöglichen.
-
Dieses Ziel wird erfindungsgemäß mit einem Verfahren
zur Spracherkennung gemäß Anspruch
1 erreicht, welches die folgenden Schritte umfaßt:
- a)
Erzeugen eines Basisvokabulars E mit N verschiedenen Wörtern, wobei
N eine ganze Zahl ist;
- b) Für
jedes bestimmte Wort Mi eines Bezugssatzes (PhR)
mit Q verschiedenen Wörtern
(Mi, 1 ≤ i ≤ Q), wobei
Q eine ganze Zahl größer als
1 ist, Erzeugen eines spezifischen Vokabulars EMi,
das sich von dem Basisvokabular E darin unterscheidet, daß dem Basisvokabular
eine Anzahl von Pi: phonetisch zu dem Wort (Mi) nächstkommenden Wörtern fehlt,
so daß dieses
spezifische Vokabular N-Pi Wörter
enthält
- c) weitere Sätze
werden aus dem Bezugssatz als Alternative zu diesem erzeugt, wobei
bei jedem der weiteren Sätze
an die Stelle mindestens eines der Wörter Mi eines
der N-Pi Wörter des zugehörigen spezifischen
Vokabulars (EMi) gesetzt ist,
- d) ein zu erkennender Satz wird mit den weiteren Sätzen und
dem Bezugssatz (PhR) verglichen, um denjenigen
Satz zu finden, der dem zu erkennenden Satz phonetisch am nächsten ist,
und
- e) in dem Fall, daß der
so erkannte Satz von dem Bezugssatz abweicht, wird mindestens ein
gegenüber
dem Bezugssatz abweichendes Wort identifiziert.
-
Auf diese Weise ist es möglich, zumindest
einen Fehler im Vergleich zu einem Bezugssatz festzustellen, bezüglich zumindest
eines besonderen Wortes in dem vom Benutzer gesprochenen Satz (d.
h. in dem zu erkennenden Satz). Diese Lokalisierung ergibt die Identifikation
des Ranges i des (oder der) fehlerhaften Wortes (oder Wörter) im
erkannten Satz. So kann im Fall eines interaktiven Systems zum Lehren einer
Fremdsprache ein evtl. Aussprachefehler von zumindest einem besonderen
Wort in dem Satz dem Benutzer angezeigt werden, damit dieser ganz
besonders seine Aussprache dieses Wortes verbessert.
-
Überdies
kann man, indem man den Wert des Verhältnisses Pi/N verändert, die
Toleranz des Systems zum Lehren der Fremdsprache bezüglich des
entsprechenden Wortes Mi verändern.
Unter Toleranz versteht man die Eigenschaften der Software, geringe
Aussprachefehler nicht zu berücksichtigen, d.
h. die Eigenschaft, einen Satz als korrekt ausgesprochen zu betrachten,
obgleich er tatsächlich
nur unvollkommen gewesen ist. Eine bestimmte Toleranz wird als eine
gute Eigenschaft eines Systems zum Lehren einer Fremdsprache angesehen.
-
Weitere Merkmale und Vorteile der
Erfindung ergeben sich beim Lesen der nachfolgenden detaillierten
Beschreibung.
-
In der folgenden Beschreibung ist
als nicht begrenzendes Anwendungsbeispiel ein System zum Lehren
einer Fremdsprache betrachtet worden. Ein solches System umfaßt eine
Software, die auf einem Mikrocomputer unter den Befehlen eines Benutzers ausgeführt wird.
Während
des Gebrauchs spricht dieser laut Sätze, die erkannt werden müssen, um
sie mit Bezugssätzen
zu vergleichen.
-
Ein vom Benutzer gesprochener Satz
wird mit Hilfe eines Mikrofons in ein elektrisches Signal umgewandelt.
Dieses elektrische Signal wird ggf. verstärkt. Dann wird es mittels eines
Analog-Digital-Wandlers in digitale Daten umgewandelt. Diese Daten
werden mittels einer Vorrichtung zur Spracherkennung des Mikrocomputers
verarbeitet. Eine solche Vorrichtung ist beispielsweise eine Software,
die auf dem Mikrocomputer ausgeführt
wird. Anzumerken ist, daß bei
manchen Anwendungen die entsprechenden digitalen Daten in einer
Eingangsdatei der Vorrichtung zur Spracherkennung plaziert werden können. Bei
einer Abwandlung kann die Erkennungsvorrichtung eine hierfür ausgelegte,
elektronische Schaltung sein.
-
Ein Bezugssatz PhR umfaßt beispielsweise
Q Wörter
(wobei Q eine ganze Zahl größer als
1 ist) und zeigt sich in der folgenden Form (wobei man von der Zeichensetzung
abgesehen hat):
PhR: M1 M2 M3 ... MQ–i MQ
-
Das erfindungsgemäße Verfahren zur Spracherkennung
umfaßt
im wesentlichen vier Hauptschritte.
-
Der erste Schritt besteht darin,
ein N verschiedene Wörter
umfassendes Basisvokabular E zu schaffen, wobei N eine ganze Zahl
ist. Ein solches Basisvokabular umfaßt Wörter in der betreffenden Fremdsprache,
die so ausgewählt
sind, daß sie
die verschiedenst möglichen
Längen
und Klänge
haben. Anders ausgedrückt,
die Wörter
des Basisvokabulars E sind vorzugsweise phonetisch verschieden.
-
Eine Methode zum Erzeugen dieses
Basisvokabulars besteht darin, diese Wörter zufällig aus einem Wörterbuch
mit beträchtlichem
Umfang auszuwählen.
Diese Auswahl kann automatisch erfolgen, d. h. von einer adaptierten
Software oder manuell. Gegebenenfalls können Wörter, die phonetisch anderen
Wörtern
des Vokabulars zu nahe sind, automatisch oder manuell unterdrückt werden.
-
Das Basisvokabular entspricht somit
nicht zwangsläufig
einem vollständigen
Wörterbuch
in der Fremdsprache. Je größer jedoch
N ist, desto besser sind die Resultate für den Benutzer, d. h. die Verläßlichkeit
des Lehrsystems verbessert sich (ein verläßliches Lehrsystem ist ein
Lehrsystem, das eine gleichmäßige Toleranz
gegenüber
Aussprachefehlern derselben Schwere aufweist). Indessen ist die notwendige
Rechenleistung um so bedeutender, je größer N ist. Ein Basisvokabular
kann somit einige 10 bis einige 1000 verschiedener Worte umfassen,
entsprechend der Rechenkapazität
des Mikrocomputers und entsprechend der erwarteten Verläßlichkeit
des Lehrsystems.
-
Anzumerken ist, daß es keine
besondere Verbindung zwischen den Wörtern des so erzeugten Basisvokabulars
und den in den Bezugssätzen
enthaltenen Wörtern
gibt. Anders gesagt umfaßt
das hier fragliche Basisvokabular nicht zwingend Wörter von
Bezugssätzen.
Das kann jedoch der Fall sein, wenn die Regeln zur Auswahl der Wörter des
Basisvokabulars dies nicht ausschließen.
-
Der zweite Schritt besteht darin,
für jedes
bestimmte Wort Mi eines Bezugssatzes, der Q verschiedene Wörter hat
(wobei Q eine ganze Zahl größer als
1 ist), ein spezifisches Vokabular EMi zu
erzeugen, ausgehend von dem im ersten Schritt erzeugten Basisvo kabular
E. Dies wird ausgeführt,
indem dem Basisvokabular die Pi Wörter entnommen werden, die
phonetisch dem bestimmten Wort Mi am nächsten kommen (wobei Pi eine
ganze Zahl ist, die kleiner als N ist und die Null sein kann).
-
Tatsächlich ist das System toleranter,
wenn das spezifische Vokabular keine Wörter umfaßt, die phonetisch den Wörtern der
Bezugssätze ähnlich sind.
Anzumerken ist, daß man
die Toleranz des Systems zum Lehren der Fremdsprache bezüglich eines entsprechenden
Wortes Mi verändern
kann, indem man den Wert des Verhältnisses Pi/N verändert. Genauer
gesagt, ist für
einen gegebenen Wert N das System um so toleranter, je größer Pi ist.
-
Dennoch ist dieser zweite Schritt
nicht zwingend. Insbesondere in dem Fall, in dem das Basisvokabular
kein Wort der Bezugssätze
umfaßt,
kann die Zahl Pi Null sein. In diesem Fall ist das System wenig tolerant.
-
Überdies
ist bei einer vereinfachten Ausführungsform
die Zahl Pi der vom Basisvokabular entnommenen Wörter zum Bilden des spezifischen
Vokabulars EMi, das mit einem Wort Mi vom
Rang i des Bezugssatzes verbunden ist, gleich zu genau einer Zahl
P für jedes
Wort Mi des Bezugssatzes. Anders ausgedrückt ist Pi gleich P, wie auch
immer i sein mag. Man spricht daher zur Bezeichnung des Verhältnisses
P/N von der Gesamttoleranz des Lehrsystems.
-
Bei einer vorteilhaften Ausführungsart
wird das spezifische Vokabular EMi iterativ
erzeugt, indem Mittel zur Spracherkennung der Vorrichtung verwendet
werden. Bei der ersten Iteration ist das Eingangsvokabular das Basisvokabular
E, und der zu erkennende Satz wird mit dem korrekt ausgesprochenen Wort
Mi gebildet. Die Vorrichtung stellt dann das Wort des Basisvokabulars
zur Verfügung,
das phonetisch einem besonderen Wort Mi am nächsten kommt. Es kann sich
dabei um das Wort Mi selbst handeln, wenn dieses in dem Basisvokabular
E vorhanden war. Dieses nächst
kommende Wort wird dann vom Eingangsvokabular unterdrückt, und
die oben erwähnten
Schritte werden Pi mal wiederholt, wobei bei jeder Iteration das
Eingangsvokabular um ein Wort reduziert wird. Am Ende bildet das
erhaltene Eingangsvokabular das spezifische Vokabular EMi.
Es wird in einer Datei für
spezifische Vokabulare gespeichert.
-
Ein dritter Schritt des Verfahrens
besteht darin, ein aktives Vokabular (weitere Sätze) zu erzeugen, welches den
Bezugssatz und überdies
andere Sätze
umfaßt.
Diese letzeren unterscheiden sich von dem Bezugssatz durch die Bedeutung
zumindest eines Wortes Mi mit einem bestimmten Rang (Position) i
im Satz. Jeder dieser Sätze
ist einer von Alternativen des Bezugssatzes, der anstelle des Wortes
Mi eines der Wörter
des spezifischen Vokabulars umfaßt, das mit diesem Wort Mi
verbunden ist. Die unten stehenden Angaben sind für den einfachen
Fall gegeben, in dem Pi = P, wie auch immer i sein mag. Sie lassen
sich leicht auf andere Fälle
verallgemeinern.
-
Bei einer ersten Ausführungsart
ist das aktive Vokabular, das in dem dritten Schritt erzeugt wird, von
einem ersten Typ, weil es von dem Bezugssatz und von sämtlichen
Sätzen
gewonnen wird, die ausgehend von dem Bezugssatz erhalten wurden,
indem nacheinander jedes Wort Mi ersetzt worden ist, sukzessive
durch N-Pi Wörter
des spezifischen Vokabulars EMi, das mit
diesem Wort Mi verbunden ist.
-
In diesem Fall sind, wenn man mit
EMi (j) die Wörter des spezifischen Vokabulars
EMi bezeichnet (wobei j ein Index zwischen
1 und N-Pi ist), die Sätze des
aktiven Vokabulars von der folgenden Art:
Ph1 (i,j)
: M1 M2 ... Mi–1 EMi (j) Mi+1 ... MQ–1 MQ
wobei
i variiert von 1 bis Q
und j variiert von 1 bis N-Pi
-
Man kann überprüfen, daß das aktive Vokabular dann
1 + (N – P) × Q verschiedene
Sätze umfaßt.
-
Bei einer zweiten Ausführungsweise
ist das in dem dritten Schritt erzeugte Vokabular von einer zweiten
Art, weil es aus sämtlichen
verschiedenen möglichen
Kombinationen von Q Wörtern
gebildet ist, wobei jedes Wort mit einem bestimmten Rang i entweder
das Wort Mi entsprechend dem Bezugssatz oder irgendeines der Wörter des
spezifischen Vokabulars EMi sein kann, das
mit diesem Wort Mi verbunden ist.
-
In diesem Fall sind, wenn man mit
EMi(j) die Wörter des spezifischen Vokabulars
EMi (wobei j ein Index zwischen 1 und N-Pi
ist) bezeichnet, und wenn man mit EMi(0)
das Wort Mi bezeichnet, die Sätze
des aktiven Vokabulars von der An:
Ph2 (i1,..., iQ) : EM1(i1) EM2(i2) ... EMj(ij) ... EMQ(iQ)
mit i1,...,
iQ veränderlich
von 0 bis N-P.
-
Man kann überprüfen, daß das aktive Vokabular dann
(1 + N – P)Q verschiedene Sätze umfaßt.
-
Die erste oben stehende Ausführungsart
ermöglicht
zugleich die Feststellung eines Fehlers bezüglich eines einzigen Wortes
in dem Satz. Anders ausgedrückt
ermöglicht
das Verfahren daher, nur Aussprachefehler eines einzigen Wortes
in einem Satz auf einmal festzustellen. Dies ist bei einfachen Sätzen ausreichend.
Die zweite Ausführungsart
ist die leistungsfähigere,
weil sie ermöglicht,
gleichzeitig Fehler in jedem der Wörter des Satzes festzustellen. Jedoch
erfordert sie eine ganz beträchtliche
Rechenleistung und eine sehr leistungsfähige Vorrichtung zur Stimmerkennung.
Wohlgemerkt können
Zwischenausführungen
in Betracht gezogen werden, um Fehler irgendeiner Anzahl von Worten
des Satzes feststellen zu können.
-
Das aktive Vokabular wird in einem
Speicher des Mikrocomputers in der Form einer durch 2 Indexfelder
indexierten Datei entsprechend den Indizes i und j (für ein Vokabular
der ersten An) oder durch Q Indexfelder entsprechend den Indizes
i1 ..., iQ (für ein Vokabular
der zweiten An) gespeichert.
-
Das Verfahren umfaßt schließlich einen
vierten und letzten Schritt, der darin besteht, einen zu erkennenden
Satz mit Sätzen
des im dritten, vorausgehenden Schritt erzeugten aktiven Vokabulars
zu vergleichen, um denjenigen der Sätze dieses Vokabulars zu erkennen,
der phonetisch dem zu erkennenden Satz am nächsten kommt, und, ggf., in
Abhängigkeit
des so erkannten Satzes den Rang i eines fehlerhaften Wortes bezüglich des
Bezugssatzes zu identifizieren. Bei der in Betracht gezogenen Anwendung
ermöglicht
dieser Schritt die Identifizierung des Ranges i, an dem sich ein
Aussprachefehler eines Wortes befindet, und diese Identifikation
wird in Abhängigkeit
von dem von der Vorrichtung zur Spracherkennung erkannten Satz ausgeführt. Tatsächlich gibt
es nur zwei bestimmte Fälle
in Abhängigkeit
von dem erkannten Satz.
- – Entweder sind der erkannte
Satz und der Bezugssatz gleich, dies bedeutet, daß es keinen Aussprachefehler
in dem Satz gibt;
- – oder
der erkannte Satz ist ein anderer Satz des aktiven Vokabulars. Wenn
das aktive Vokabular von der ersten Art ist (erste Ausführungsart)
und der erkannte Satz der Satz Ph1(i, j),
dann bedeutet dies, daß es
einen Fehler in dem Wort Mi gibt (d. h., daß das Wort Mi fehlerhaft ist,
weil es schlecht ausgesprochen worden ist). Wenn das aktive Vokabular
von der zweiten Art ist (zweite Ausführungsart) und wenn der erkannte
Satz der Satz Ph2(i1 ...,
iQ), dann bedeutet dies, daß es
einen Fehler in jedem der Worte Mi, bis MiQ gibt,
die denjenigen der Indizes i1,..., iQ entsprechen, die nicht gleich Null sind.
-
Den erkannten Satz kennend, ist es
tatsächlich
einfach, diese Indizes durch Vergleich mit der Datei wiederzufinden,
welche das aktive Vokabular enthält.
-
In den beiden Fällen sind die Bezugssätze dem
System zum Lehren einer Fremdsprache bekannt (sie resultieren aus
dem Entwurf der Software). In diesem Fall können die ersten, zweiten und
dritten Schritte vorab für
jeden Bezugssatz durchgeführt werden
(beispielsweise während
des Entwurfs der Software oder aber während ihrer Installation im
Mikrocomputer oder aber zu Beginn jedes Laufes der Software). Das
oder die entsprechenden aktiven Vokabulare sind in einem Speicher
gespeichert, beispielsweise mit der Software selbst (dieser Speicher kann
von jedem geeigneten Datenträger
gebildet sein, so wie von einer digitalen optischen Platte). Allein
der vierte Schritt wird schließlich
während
des Laufes der Software durchgeführt.
Er wird mehrfach wiederholt, einmal für jeden zu erkennenden Satz
(d. h. normalerweise für
jede Ausspracheübung).
-
Wie oben gesagt , kann die allgemeine
Toleranz des Lehrsystems geändert
werden, indem das Verhältnis
P/N verändert
wird. Für
ein besonders tolerantes System, das für Anfänger geeignet ist, kann das
Verhältnis
P/N 10 % bis 30 % erreichen. Für
ein Lehrsystem mit höherem
Niveau, das es ermöglicht, subtile
Aussprachefehler festzustellen, ist die Toleranz gering. Das Verhältnis P/N
ist dann geringer als 1 %. Die Tatsache, ein Verhältnis Pi/N
zu haben, das ggf. für
jedes Wort verschieden ist, ermöglicht,
die Feststellung von Aussprachefehlern allein auf bestimmte Wörter zu
fokussieren, indem eine größere Toleranz
für die
anderen Wörter
des Satzes ermöglicht
wird. Die Tatsache jedoch, daß Pi
= P, wie auch immer i sein mag, vereinfacht die Durchführung des Verfahrens.
-
Die Erfindung schlägt auch
eine Vorrichtung zur Spracherkennung vor, insbesondere für ein Lehrsystem
für eine
Fremdsprache, welche Mittel zum Identifizieren des Rangs eines fehlerhaften
Wortes in einem zu erkennenden Satz bezüglich eines Bezugssatzes umfaßt. Dies
ermöglicht
bei der in Betracht gezogenen Anwendung, einen Aussprachefehler
in einem vom Benutzer ausgesprochenen Satz festzustellen und zu
lokalisieren.
-
Die Vorrichtung zur Spracherkennung
umfaßt
Mittel zum Vergleichen des zu erkennenden Satzes mit Sätzen eines
bestimmten Vokabulars, um denjenigen der Sätze des Vokabulars zu erkennen, der
phonetisch dem zu erkennenden Satz am ähnlichsten ist, um daraus ggf.
den Rang eines fehlerhaften Wortes in diesem Satz abzuleiten. In
diesem Fall kann die Vorrichtung ein Verfahren zur Spracherkennung
so wie oben beschrieben durchführen.
Auf vorteilhafte Weise wird das spezifische Vokabular EMi iterativ
erzeugt, indem Mittel zur Spracherkennung der Vorrichtung benutzt
werden.
-
Die Erfindung schlägt auch
ein interaktives System zum Lehren einer Fremdsprache vor, welches
eine solche Vorrichtung umfaßt.
Gemäß einem Beispiel
umfaßt
das System über
die Vorrichtung zur Spracherkennung hinaus eine oder mehrere der
folgenden Elemente: einen Mikrocomputer, eine Software, um diesen
arbeiten zu lassen, ein Mikrofon, einen Bildschirm, eine Tastatur,
eine Maus, Lautsprecher, eine Vorrichtung zur Sprachsynthese, etc.
....