Tone recognition in Thai has been e

Tone recognition in Thai has been extensively researched at Chulalongkorn University. Tungthangthum (1998) extracted pitch information from Thai monosyllables using autocorrelation and used HMM for tone classi-fication. An evaluation on small sets of monosyllables achieved 90% accuracy. Based on the analysis by Gandour et al. (1994) described above, Thubthong et al. (2001c)
introduced a novel feature called half-tone modeling, which extended an analysis frame to cover half of the neighboring frames. Application of the proposed feature in a statistical classifier based on a posteriori probabilities yielded approximately a 3% improvement over the baseline model without half-tone modeling. A successive work by Thubthong et al.(2001b) conducted a combination of neural networks with
distinctive features for F0 slope and height for tone recognition.
Outputs from three neural networks, trained by three different sets of distinctive features, were combined for the final decision. The proposed model yielded as much
as a 15.6% error reduction compared to the use of single neural network. Potisuk et al. (1995) conducted an analysis–synthesis approach for tone recognition in continuous speech. The method exploited an extension of Fujisaki’s model to synthesize F0 contours of possible tone sequences of a given speech signal. The resulting contours were then compared to the smoothed and normalized F0 contour of the input speech in a pattern matching module. Overall, 89% of four tone sequences were correctly classified with this method. In 1998, Kongkachandra et al. (1998) proposed a novel feature in harmonic frequency domain for tone recognition. The algorithm was to segment the frequency spectrum into overlapped frames and calculate amplitude difference values between adjacent frames. Classification
of tones was achieved by applying some heuristic rules on the amplitude difference values. The model gave 90% accuracy on a monosyllable test set. All the mentioned
models however, were evaluated on either isolated syllables or hand-segmented syllables from continuous speech. Further research on segmenting speech signals into sequences of syllables or phonemes is required in order to achieve a completely automatic tone recognizer for continuous speech.

ผลลัพธ์ (ไทย) 1:

เมือการรู้จำเสียงในภาษาไทยที่จุฬาลงกรณ์มหาวิทยาลัยอย่างกว้างขวาง Tungthangthum (1998) แยกเป็นข้อมูลจาก monosyllables ไทยใช้ autocorrelation และใช้ HMM เสียง classi fication การประเมินในชุดเล็กของ monosyllables ได้ถูกต้อง 90% จากการวิเคราะห์โดย Gandour et al. (1994) อธิบายไว้ข้างต้น Thubthong และ al. (2001c)แนะนำคุณลักษณะนวนิยายที่เรียกว่าโมเดล ฮาล์ฟโทนซึ่งขยายกรอบการวิเคราะห์เพื่อครอบคลุมครึ่งหนึ่งของเฟรมใกล้เคียง ของคุณลักษณะนำเสนอใน classifier สถิติที่ยึดกิจกรรม posteriori มีผลประมาณการปรับปรุง 3% ผ่านแบบจำลองพื้นฐานโดยสร้างโมเดลฮาล์ฟโทน ทำงานต่อเนื่อง โดย Thubthong et al.(2001b) ดำเนินการของเครือข่ายประสาทด้วยคุณสมบัติที่โดดเด่นสำหรับ F0 ความชันและความสูงของการรู้จำเสียง แสดงผลจาก 3 ประสาทเครือข่าย ฝึกฝนต่าง ๆ สามชุดของคุณสมบัติที่โดดเด่น ถูกรวมในการตัดสินใจขั้นสุดท้าย แบบเสนอผลมากที่สุดเป็นการลดข้อผิดพลาด 15.6% เมื่อเทียบกับการใช้โครงข่ายประสาทเดี่ยว Potisuk et al. (1995) ดำเนินการวิธีวิเคราะห์ – สังเคราะห์สำหรับการรู้จำเสียงในการพูดอย่างต่อเนื่อง วิธีการที่สามารถขยายของฟูจิรุ่นสังเคราะห์รูปทรง F0 ลำดับโทนเป็นสัญญาณเสียงที่กำหนด รูปทรงผลได้แล้วเปรียบเทียบกับเส้น F0 ปรับให้โค้ง และมาตรฐานของการออกเสียงสำหรับการป้อนค่าในโมดูตรงรูปแบบ โดยรวม 89% ลำดับเสียงสี่ได้ถูกจัดประเภท ด้วยวิธีนี้ ในปี 1998, Kongkachandra et al. (1998) เสนอลักษณะนวนิยายในโดเมนความถี่ที่มีค่าสำหรับการรู้จำเสียง อัลกอริทึมเซ็กเมนต์สเปกตรัมความถี่ลงเหตุการณ์ และคำนวณค่าความแตกต่างของคลื่นระหว่างเฟรมที่ติดกันได้ การจัดประเภทของโทนสีได้สำเร็จ โดยใช้กฎบางอย่างแล้วค่าความแตกต่างของคลื่น รูปแบบให้ความแม่นยำ 90% ชุดทดสอบ monosyllable ทั้งหมดที่กล่าวรูปแบบอย่างไรก็ตาม ถูกประเมินแยกพยางค์หรือพยางค์ที่ถูกแบ่งเป็นช่วงมือจากคำพูดต่อเนื่อง จำเป็นต้องมีการวิจัยคือสัญญาณเสียงเป็นลำดับของพยางค์หรือ phonemes เพื่อจำแนกเสียงอัตโนมัติอย่างสมบูรณ์สำหรับเสียงอย่างต่อเนื่อง

ผลลัพธ์ (ไทย) 2:

การรับรู้เสียงในภาษาไทยได้รับการวิจัยอย่างกว้างขวางที่จุฬาลงกรณ์มหาวิทยาลัย Tungthangthum (1998) ที่สกัดจากข้อมูลสนาม monosyllables ไทยโดยใช้อัตและอืมที่ใช้สำหรับการจัดประเภทเสียง-การตรวจ การประเมินผลในชุดเล็ก ๆ ของ monosyllables ประสบความสำเร็จความถูกต้อง 90% จากการวิเคราะห์โดย Gandour et al, (1994) อธิบายไว้ข้างต้น Thubthong et al, (2001c)
แนะนำคุณลักษณะนวนิยายที่เรียกว่าการสร้างแบบจำลองครึ่งเสียงซึ่งขยายกรอบการวิเคราะห์ให้ครอบคลุมถึงครึ่งหนึ่งของเฟรมที่อยู่ใกล้เคียง แอพลิเคชันของคุณลักษณะที่เสนอในลักษณนามสถิติอยู่บนพื้นฐานของความน่าจะเป็น posteriori ผลการปรับปรุงประมาณ 3% ในรูปแบบพื้นฐานโดยไม่ต้องสร้างแบบจำลองครึ่งเสียง ทำงานต่อเนื่องโดย Thubthong et al. (2001b)
ดำเนินการรวมกันของเครือข่ายประสาทที่มีคุณสมบัติที่โดดเด่นสำหรับลาดF0 และความสูงสำหรับการรับรู้เสียง.
เอาท์พุทจากสามเครือข่ายประสาทรับการฝึกฝนโดยสามชุดที่แตกต่างกันของคุณสมบัติที่โดดเด่นได้รวมสำหรับการตัดสินใจครั้งสุดท้าย . รูปแบบที่นำเสนอให้ผลมากที่สุดเท่าที่เป็นข้อผิดพลาดลดลง 15.6% เมื่อเทียบกับการใช้งานของเครือข่ายประสาทเดียว
Potisuk et al, (1995) ดำเนินการวิธีการวิเคราะห์สังเคราะห์สำหรับการรับรู้เสียงในการพูดอย่างต่อเนื่อง วิธีการใช้ประโยชน์เป็นส่วนหนึ่งของรูปแบบของ Fujisaki การสังเคราะห์รูปทรง F0 ของลำดับเสียงเป็นไปได้ของสัญญาณเสียงพูดที่ได้รับ รูปทรงที่เกิดแล้วถูกเมื่อเทียบกับรูปร่าง F0 เรียบและปกติในการพูดการป้อนข้อมูลในรูปแบบโมดูลที่ตรงกัน โดยรวม 89% ของสี่ลำดับเสียงถูกจัดอย่างถูกต้องด้วยวิธีนี้ ในปี 1998 Kongkachandra et al, (1998) ได้เสนอคุณลักษณะนวนิยายในโดเมนความถี่ฮาร์โมนิสำหรับการรับรู้เสียง ขั้นตอนวิธีการคือการส่วนคลื่นความถี่ลงในกรอบที่คาบเกี่ยวกันและคำนวณค่าความแตกต่างความกว้างระหว่างเฟรมที่อยู่ติดกัน
การจำแนกประเภทของเสียงได้สำเร็จโดยการใช้กฎการแก้ปัญหาบางอย่างเกี่ยวกับความแตกต่างของค่าความกว้าง รูปแบบการให้ความถูกต้อง 90% กับชุดทดสอบคำพยางค์เดียว ทั้งหมดที่กล่าวถึงรุ่น แต่ได้รับการประเมินอย่างใดอย่างหนึ่งหรือแยกพยางค์พยางค์มือแบ่งจากคำพูดต่อเนื่อง
นอกจากนี้การวิจัยเกี่ยวกับการแบ่งกลุ่มสัญญาณเสียงพูดเป็นลำดับของพยางค์หรือหน่วยเสียงเป็นสิ่งจำเป็นเพื่อให้บรรลุรู้จำเสียงโดยอัตโนมัติอย่างสมบูรณ์สำหรับการพูดอย่างต่อเนื่อง

ผลลัพธ์ (ไทย) 3:

การรู้จำวรรณยุกต์ในภาษาไทยได้รับการวิจัยอย่างกว้างขวางที่จุฬาลงกรณ์มหาวิทยาลัย tungthangthum ( 1998 ) ที่สกัดข้อมูลจากไทยใช้ข้อมูลสนามคำพยางค์เดียวและใช้โทน classi fication อืม . การประเมินชุดขนาดเล็กของคำพยางค์เดียวบรรลุความถูกต้อง 90% จากการวิเคราะห์โดย gandour et al . ( 1994 ) ที่อธิบายไว้ข้างต้น thubthong et al . ( 2001c )
แนะนำนวนิยายคุณลักษณะที่เรียกว่าแบบครึ่งโทน ซึ่งขยายกรอบการวิเคราะห์ที่ครอบคลุมครึ่งหนึ่งของประเทศเพื่อนบ้าน เฟรม การนำเสนอคุณลักษณะในตัวตามสถิติความน่าจะเป็นจากผลไปสู่เหตุเกิดประมาณ 3 % การปรับปรุงพื้นฐานแบบไม่มีแบบครึ่งโทน งานต่อเนื่อง โดย thubthong et al .( 2001b ) ดําเนินการรวมกันของโครงข่ายประสาทเทียมที่มีคุณสมบัติที่โดดเด่นสำหรับละ
ความลาดชันและสูงสำหรับเสียง .
ผลจากสามเครือข่ายประสาทการฝึกอบรมโดยสามชุดต่าง ๆ คุณสมบัติที่โดดเด่นคือ รวมกันเพื่อการตัดสินใจขั้นสุดท้าย แบบจำลองให้ผลมาก
เป็น 15.6 % การลดความคลาดเคลื่อน เมื่อเปรียบเทียบกับการใช้โครงข่ายเดียว potisuk et al .( 1995 ) ทำการวิเคราะห์และสังเคราะห์แนวทางในการรู้จำวรรณยุกต์ในคำพูดต่อเนื่อง วิธีเพิ่มส่วนขยายของฟูจิซากิ แบบสังเคราะห์รูปทรงของที่สุดละดับให้โทนเสียงพูด . ผลรูปทรงแล้วเทียบกับเรียบและรูปร่างของรูปละใส่คำพูดในการจับคู่รูปแบบโมดูล โดยรวม89 % ของลำดับสี่โทนเป็นอย่างถูกต้องตาม ด้วยวิธีนี้ ในปี 1998 kongkachandra et al . ( 1998 ) ได้เสนอคุณสมบัติใหม่ในโดเมนความถี่ฮาร์มอนิกเสียง . อัลกอริทึมคือส่วนคลื่นความถี่เป็นจำนวนเฟรมและคำนวณความแตกต่างของค่าระหว่างเฟรมที่ติดกัน การจำแนก
เสียงทำได้โดยใช้กฎบางอย่างฮิวริสติกบนความแตกต่างของค่า รูปแบบให้ความถูกต้อง 90% ในพยางค์แบบทดสอบชุด ทั้งหมดที่กล่าวถึง
รุ่น อย่างไรก็ตาม มีการประเมินทั้งแยกพยางค์หรือมือแบ่งพยางค์จากการพูดอย่างต่อเนื่องวิจัยเพิ่มเติมในกลุ่มสัญญาณเสียงพูดเป็นลำดับของพยางค์หรือหน่วยเสียงที่ถูกต้องเพื่อให้บรรลุ recognizer เสียงอัตโนมัติอย่างสมบูรณ์สำหรับพูดต่อเนื่อง