دانلود کتاب Dynamic Speech Models

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل های گفتار پویا

دلایل قانع کننده برای انجام مدل سازی گفتار پویا چیست؟ ما پاسخ را در دو جنبه مرتبط ارائه می دهیم. اول، تحقیقات علمی در مورد کد گفتار انسان برای چندین دهه بی وقفه دنبال شده است. گفتار به عنوان حامل ضروری هوش و دانش انسان، طبیعی ترین شکل ارتباط انسانی است. پیام های زبانی (و همچنین فرازبانی) در کد گفتار تعبیه شده است که از طریق چهار سطح از زنجیره گفتار منتقل می شود. زیربنای رمزگذاری و انتقال قوی پیام های زبانی، پویایی گفتار در هر چهار سطح است. مدل‌سازی ریاضی پویایی گفتار ابزار مؤثری در روش‌های علمی مطالعه زنجیره گفتار است. چنین مطالعات علمی کمک می کند تا بفهمیم چرا انسان ها همانطور که می کنند صحبت می کنند و چگونه انسان ها از افزونگی و تنوع از طریق فرآیندهای پویا چند لایه برای افزایش کارایی و اثربخشی ارتباطات گفتاری انسانی استفاده می کنند. دوم، پیشرفت فناوری زبان انسانی، به ویژه اینکه در تشخیص خودکار گفتار به سبک طبیعی، انتظار می رود از مدل سازی محاسباتی جامع پویایی گفتار نیز بهره مند شود. محدودیت های فناوری تشخیص گفتار فعلی جدی است و به خوبی شناخته شده است. یک ضعف رایج و مورد بحث اغلب مدل آماری زیربنای فناوری تشخیص گفتار فعلی، فقدان طرح‌های مدل‌سازی پویا کافی برای ارائه ساختار همبستگی در سراسر توالی مشاهده گفتار زمانی است. متأسفانه، به دلایل مختلف، اکثریت فعالیت‌های تحقیقاتی فعلی در این زمینه فقط به دنبال اصلاحات و بهبودهای تدریجی بر روی پیشرفته‌ترین تکنولوژی موجود مبتنی بر HMM هستند. به عنوان مثال، در حالی که مدل سازی پویا و همبستگی به عنوان یک موضوع مهم شناخته شده است، با این وجود اکثر سیستم ها فقط از شکل بسیار ضعیفی از پویایی گفتار استفاده می کنند. به عنوان مثال، پارامترهای دیفرانسیل یا دلتا. مدل‌سازی گفتار پویا با فرم قوی، که تمرکز این رساله است، ممکن است به عنوان یک راه‌حل نهایی برای این مشکل عمل کند. پس از فصل مقدمه، بدنه اصلی این تک نگاری از چهار فصل تشکیل شده است. آنها جنبه‌های مختلف تئوری، الگوریتم‌ها و کاربردهای مدل‌های گفتاری پویا را پوشش می‌دهند و بررسی جامعی از کار تحقیقاتی در این زمینه در طول 20 سال گذشته ارائه می‌دهند. این مونوگراف به عنوان مواد پیشرفته پردازش گفتار و سیگنال برای آموزش در سطح فارغ التحصیلان، برای متخصصان و متخصصان مهندسی، و همچنین برای محققان و مهندسان باتجربه متخصص در پردازش گفتار در نظر گرفته شده است.

Dynamic Speech Models

What are the compelling reasons for carrying out dynamic speech modeling? We provide the answer in two related aspects. First, scientific inquiry into the human speech code has been relentlessly pursued for several decades. As an essential carrier of human intelligence and knowledge, speech is the most natural form of human communication. Embedded in the speech code are linguistic (as well as para-linguistic) messages, which are conveyed through four levels of the speech chain. Underlying the robust encoding and transmission of the linguistic messages are the speech dynamics at all the four levels. Mathematical modeling of speech dynamics provides an effective tool in the scientific methods of studying the speech chain. Such scientific studies help understand why humans speak as they do and how humans exploit redundancy and variability by way of multitiered dynamic processes to enhance the efficiency and effectiveness of human speech communication. Second, advancement of human language technology, especially that in automatic recognition of natural-style human speech is also expected to benefit from comprehensive computational modeling of speech dynamics. The limitations of current speech recognition technology are serious and are well known. A commonly acknowledged and frequently discussed weakness of the statistical model underlying current speech recognition technology is the lack of adequate dynamic modeling schemes to provide correlation structure across the temporal speech observation sequence. Unfortunately, due to a variety of reasons, the majority of current research activities in this area favor only incremental modifications and improvements to the existing HMM-based state-of-the-art. For example, while the dynamic and correlation modeling is known to be an important topic, most of the systems nevertheless employ only an ultra-weak form of speech dynamics; e.g., differential or delta parameters. Strong-form dynamic speech modeling, which is the focus of this monograph, may serve as an ultimate solution to this problem. After the introduction chapter, the main body of this monograph consists of four chapters. They cover various aspects of theory, algorithms, and applications of dynamic speech models, and provide a comprehensive survey of the research work in this area spanning over past 20~years. This monograph is intended as advanced materials of speech and signal processing for graudate-level teaching, for professionals and engineering practioners, as well as for seasoned researchers and engineers specialized in speech processing.