ระบบช่วยถอดข้อความเสียงพูดภาษาไทยอัติดนมัติเฉพาะตัวบุคคล

Automatic Thai Speech Transcription in Specific Domain

Name: ชาตรี สันติกลาง

keyword: ระบบรู้จำเสียงพูดต่อเนื่องสำหรับคำศัพท์จำนวนมาก

Abstract: วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อศึกษาวิธีการสร้างระบบสำหรับช่วยถอดข้อความเสียงพูดภาษาไทยที่ ทำงานได้อย่างอัตโนมัติสำหรับเสียงพูดเฉพาะบุคคล โดยใช้หลักการของระบบรู้จำเสียงพูดอย่าง ต่อเนื่องสำหรับคำศัพท์จำนวนมาก (Large Vocabulary Continuous Speech Recognition: LVCSR) ซึ่ง ใช้แบบจำลองฮิดเดนมาร์คอฟเป็นวิธีการพื้นฐานในการรู้จำ สำหรับเทคนิคที่นำเสนอได้มุ่งเน้นไปที่ กระบวนการในส่วนของการเตรียมข้อมูลสำหรับใช้สร้างแบบจำลองทางเสียงและแบบจำลองทาง ภาษาที่เหมาะสม ซึ่งได้นำเสนอวิธีการเรียงจับคู่ตำแหน่งของคำในข้อมูลเสียงและในข้อมูลบทถอด ความให้มีตำแหน่งตรงกันด้วยวิธีการไดนามิคทามวาร์ปปิ้ง และยังได้เพิ่มส่วนของการวัดค่าความ มั่นใจด้วยวิธีการต้นไม้การตัดสินใจ เพื่อการคัดกรองผลจากการเรียงจับคู่เฉพาะที่ถูกต้องสำหรับ นำไปใช้ปรับปรุงแบบจำลองของระบบที่ถูกสร้างขึ้นจากชุดฐานข้อมูลไม่เฉพาะบุคคล จากการ ทดลองเรียงจับคู่ด้วยวิธีการที่นำเสนอกับชุดข้อมูลทดสอบให้ถูกต้องของการรู้จำหน่วยเสียงสูง กว่าร้อยละ 50 และเมื่อใช้ผลของการจับคู่ด้วยเทคนิคการเรียงจับคู่ดังกล่าวในระบบการรู้จำเสียงพูด สำหรับคำศัพท์จำนวนมากสามารถให้ถูกต้องในการถอดความสูงขึ้นจากแบบจำลองต้นแบบถึง ร้อยละ 27 นับว่าสามารถเพิ่มความถูกต้องของการทำงานขึ้นได้อย่างมากสำหรับระบบที่มีทำงานอย่าง อัตโนมัติ

Abstract: The purpose of this thesis is to invent an automatic Thai speaker-dependent speech transcription for using in a Large Vocabulary Continuous Speech Recognition (LVCSR) system. The proposed technique is focused on the data preparation process, which arranges suitable data for training an acoustic model and a language model by using Hidden Markov Model (HMM). The Dynamic Time Warping (DTW) technique is used to match phone's position on recognized utterances and their transcription data in the data preparation process. The false matched results are rejected by thresholding with confidence score, which is obtained from Classification and Regression Tree (CART). After that, rejected results are used as a resource to adapt the original acoustic model, which is created from a general-domain corpus. The matching accuracy is higher than 50 percent on the test set. The transcribed result which uses the ultimate model is improved by 27 percent from the original model on the same test set.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี. สำนักหอสมุด.

Address: กรุงเทพมหานคร

Email: info.lib@mail.kmutt.ac.th

Name: ภาณุทัต บุญประมุข

Role: อาจารย์ที่ปรึกษา

Created: 2552

Modified: 2553-09-23

Issued: 2553-09-21

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: INC724

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมระบบควบคุมและเครื่องมือวัด

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	INC724.pdf	899.24 KB	55	2024-01-12 14:36:48
2	INC724ab.pdf	42.13 KB	23	2020-06-05 21:54:47

ใช้เวลา

0.030985 วินาที