AMELIORATION DES PERFORMANCES D’UN SYSTEME DE RECONNAISSANCE DE LA PAROLE A L’AIDE DE MESURES DE CONFIANCE

Abstract

La reconnaissance automatique de la parole a connu un progrès important ces dernières années, la détection des erreurs est l’une des technologies qui a aidé à améliorer les performances des systèmes de reconnaissance de la parole notamment la détection du hors vocabulaire. L’utilisation de mesures de confiance basées sur le modèle acoustique peut se révéler très utile pour de nombreuses applications de la reconnaissance automatique de la parole. L’efficacité d’un système de reconnaissance de la parole peut, en effet, être grandement amélioré si nous sommes capable de prédire si une hypothèse proposée par la RAP est correcte ou non. Dans notre travail, on a conçu dans un premier temps un système de reconnaissance de mots isolés en langue arabe basé sur une approche probabiliste (l’utilisation des modèles de Markov cachés HMM). Le processus de reconnaissance passe par deux étapes principales : 1- l’étape d’apprentissage qui consiste à ajuster les paramètres des modèles HMMs avec des densités de mélanges de multi gaussiennes en utilisant l’algorithme de Baum –Welch. 2- l’étape de reconnaissance qui consiste à calculer le maximum de vraisemblance (ML) entre l’observation et le modèle en utilisant l’algorithme de Viterbi. Malgré le succès de cette approche, ce maximum de vraisemblance ne reflète pas la bonne liaison entre le mot prononcé et le modèle de référence. Dans un second lieu, il s’agit d’appliquer une mesure de confiance en utilisant la technique de modélisation poubelle direct, cette technique est utilisée pour obtenir un score de référence pour le résultat de reconnaissance ,la confiance est définit comme la différence entre le score du modèle HMM et le score du modèle poubelle. D’après les résultats obtenus, cette technique a permis de détecter un grand nombre du hors vocabulaire sans rejeter les reconnaissances correctes et ça en utilisant un petit seuil de rejet.