Sprachsynthese und Spracherkennung mit gemeinsamen Datenbasen

Im Verlauf der Entwicklung der Sprachsynthetisatoren zu Text-to-Speech-Systemen und von Spracherkennern zu Erkennern für fließend gesprochene Sätze sind die Datenbasen, auf welche die Systeme zurückgreifen, einander immer ähnlicher geworden. Zugleich stagniert die Performanz von Spracherkennungs- und -synthesesystemen deutlich unterhalb der Leistungsfähigkeit des Menschen. Die vorliegende Arbeit greift die Konvergenz der
Datenbasen auf und stellt ein kombiniertes System für Spracherkennung und Sprachsynthese vor. Es wird von der These ausgegangen, dass eine Integration des Erkennungs- und
Syntheseprozesses über die Nutzung gemeinsamer Datenbasen wertvolle Lösungsansätze für die Weiterentwicklung sprachverarbeitender Systeme liefern kann.

Die Ziele der Integration von Spracherkennung und Sprachsynthese können wie folgt beschrieben werden: Für die Sprachsynthese dient das System als Experimentier- und
Evaluationsplattform neuer Ansätze. Besonders die Anwendung der in der Spracherkennung weit verbreiteten stochastischen Modellierung des Sprachsignals führt zu einem neuen und
effizienten Typ von Sprachsynthetisatoren. In der Spracherkennung kann es dazu dienen, die interne Wirkungsweise eines Erkennungssystems anhand konkreter Fälle nach dem Prinzip
der »Analyse durch Synthese« zu evaluieren, Ursachen für Fehlerkennungen aufzudecken und ggf. zu beseitigen. Die gemeinsame Nutzung der Datenbasen und die damit verbundene
Verringerung des Speicherbedarfs erleichtert den Einsatz von Spracherkennung und Sprachsynthese in Applikationen mit beschränkten Ressourcen. Schließlich kann das System
dazu dienen, komplizierte Vorgänge des Sprachdialogs didaktisch klarer darzustellen und das System als Demonstrator in der Lehre einzusetzen.