Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung Karlsruher Institut für Technologie (KIT)

22: Vorlesung |
0:00:00 Starten
0:00:43 Adaption
0:08:52 Motivation
0:13:40 Adaption des Akustischen Modells
0:16:21 Mögliche Variationen
0:18:24 Adaption als Transformation
0:22:51 Arten der Adaption
0:27:13 Batch vs. Inkrementell
0:31:17 Überwachte und Unüberwachte Adaption
0:32:18 Training vs. Normalisierung
0:33:07 Merkmals vs. Modelladaption
0:36:23 Anwendung der Transformation
0:37:27 Optimierungskriterien zur Schätzung
0:39:40 Adaptionsmethoden
0:42:43 Vokaltraktlängen-normalisierung (VTLN)
0:52:39 VTLN: Experimente
0:58:53 Inkrementelle Adaption
1:05:06 Verschiedenes zu VTLN
1:08:48 MAP Adaption
1:14:37 Maximum Likelihood Linear Regression (MLLR)
1:17:54 Finden von Klassen
1:20:11 Label Boosting mit MLLR
1:21:48 Welche Adaption unter welchen Bedingungen
1:23:14 fMLLR

21: Vorlesung |
0:00:00 Starten
0:00:10 Suche
0:00:29 N-Besten Suche
0:01:50 Probleme mit n besten Listen
0:02:54 Wortgraphen
0:04:14 Zusammenfassung Beschleunigungstechniken
0:06:00 Mehrpass Suchen
0:06:55 Beispiel: IBIS Single Pass Decoder
0:11:18 Consensus Decoding
0:13:01 Bsp: MAP vs. Wort-Posteriori-W´keiten
0:16:36 Minimierung des Wortfehlers
0:19:28 Approximierung mit N-besten Listen
0:21:36 WER Minimierung auf Wortgraphen
0:24:26 Multiple Alignment WER
0:29:19 Finden des globalen Alignment
0:30:50 Multiple Alignment WER
0:32:37 Alignment als Äquivalenzrelation
0:34:37 Finden einer angemessenen Äquivalenzrelation
0:36:38 Intra-Wort-Clustern
0:38:44 Pruning
0:40:37 Confusionsnetzwerke
0:42:28 Multiple Alignment WER
0:43:03 Confusionsnetzwerke
0:43:26 Confusionsnetzwer-Hypothese
0:45:16 Multiple Alignment WER
0:45:53 Experimente
0:47:58 Systemkombination
0:49:14 Systemkombination mit ROVER
0:50:27 Alignierung vieler Hypothesen mittels DP
0:51:49 Beispiel

20: Vorlesung |
0:00:00 Starten
0:00:19 Suchstrategien
0:01:25 Tiefensuche vs. Breitensuche
0:01:57 Heuristische Graphsuche
0:02:45 Zeitasynchrone Suche mit A*
0:04:15 Zeitsynchrone Strahlsuche
0:10:31 Beams in ASR
0:12:13 Beam vs. WER
0:15:45 Kontinuierliche Suchräume, gleichverteiltes Sprachmodell
0:20:59 Suchraum mit Uni-Gramm
0:23:03 Suchraum mit Bi-Grammen
0:26:32 Suchraum mit Tri-Grammen
0:33:48 Viterbi Decoding
0:40:42 A* mit Stack Decoder
0:42:50 Heuristik für A*
0:44:43 Fast Match
0:47:36 Vor- und Nachteile eines Stackdecoders
0:51:10 A* vs. Strahlsuche
0:52:39 Vermeidung von Redundanzen
0:54:44 Baumsuche
0:57:30 Baumsuche mit Sprachmodell
0:59:04 Delayed Bi-Grams
1:01:51 Einsparung durch Baum-Lexica
1:05:41 Kopien von Suchbäumen
1:10:36 Suche mit kontextabhängigen Modellen
1:13:38 Baumsuche mit kontextabhängigen Modellen
1:16:45 N-Besten Suche

19: Vorlesung |
0:00:00 Starten
0:00:14 Erinnerung: Fundamentalformel
0:02:20 Deterministische Sprachmodelle
0:05:42 Repräsentation der Grammatik
0:07:18 Formale Sprachtheorie
0:09:35 Chomsky Hierarchie
0:11:42 Chartparsing
0:14:29 Probabilistische CFGs
0:19:56 Probleme mit Erkennungsfehlern
0:24:06 Kombination von Sprachmodell und Akustischem Modell
0:33:35 Suche
0:35:46 Erinnerung: Fundamentalformel
0:37:15 Suche in der Spracherkennung
0:42:46 Erinnerung DTW und One-Stage-DP
0:44:02 Suche im Allgemeinen
0:46:51 Suche mit DP und Heuristik
0:48:19 Kenngrößen für Suchprobleme
0:50:18 Forward-/Backward-/bidirektionale Suche
0:51:51 Explizite vs. Implizite Implementierung
0:53:42 Blinde Suche
0:55:24 Suchstrategien
0:58:29 Tiefensuche vs. Breitensuche
1:00:41 Heuristische Graphsuche
1:03:40 Zeitasynchrone Suche mit A*

18: Vorlesung |
0:00:00 Starten
0:00:37 Graphembasierte Spracherkennung
0:06:48 Eignung von Graphemen
0:14:38 Verteilung von Schriften
0:16:21 Verteilung der Schriftsysteme
0:17:12 Eignung von Graphemen
0:18:10 Beispiele für schlechte Korrespondenz
0:19:32 Graphembasierte ASR für Arabisch
0:20:19 Englisch, Deutsch, Russisch, Spanisch, Thai
0:21:12 Kontextabhängige Modelle für Grapheme ASR
0:23:10 Flexibler Clusterbaum für Grapheme
0:24:20 Praktische Probleme
0:27:13 Spracherkennung bei ungeschriebenen Sprachen
0:30:13 Plansprachen (Exkurs)
0:32:23 Esperanto
0:35:15 Esperanto und ASR
0:35:59 Toki Pona
0:37:55 Toki Pona und ASR
0:38:40 Entwurf einer Sprache für ASR
0:40:45 Entwurf von Ziffernwörtern
0:42:42 Ergebnis
0:43:49 ASR für Roboter Interaktion
0:47:01 ASR für Roboter Interaktion (Ausblick)

17: Vorlesung |
0:00:00 Starten
0:00:13 Kurze Wiederholung der letzten Vorlesung
0:04:16 Kneser-Ney Backoff
0:08:07 Schätzung von Beta - Margnialisierung
0:16:51 Leaving-One-Out Beta Schätzung
0:19:04 Ergebnisse von Kneser-Ney
0:20:27 Qualität von Sprachmodellen
0:23:21 Entropie einer Wortquelle
0:26:29 Perplexität von Sprachmodellen
0:35:16 Perplexität und Akustik
0:38:02 Klassenbasierte Sprachmodelle
0:44:08 Aussprachevarianten
0:45:58 Multiworte
0:47:59 Besondere Arten von Sprachmodellen
0:48:44 Interpolierte Sprachmodelle
0:53:56 Cache Sprachmodelle
0:57:49 Trigger Sprachmodelle
1:00:06 Mehrschichtige Sprachmodelle
1:01:56 Verzahnte Sprachmodelle
1:04:26 Morphembasierte Sprachmodelle
1:10:31 Entscheidungsbäume
1:12:02 HMMs für Modellierung
1:13:57 Probleme mit Spontaner Sprache
1:18:11 Probleme mit unbekannten Wörtern
1:20:34 Besonderheiten verschiedener Sprachen