การตรวจหาสระในเสียงพูดต่อเนื่องภาษาไทย

Abstract

ระบบรู้จำเสียงพูด ตั้งแต่อดีตจนถึงปัจจุบันได้ถูกพัฒนาขึ้นอย่างต่อเนื่อง เพื่อเพิ่มความสามารถในการรู้จำเสียงของระบบให้มีประสิทธิภาพมากที่สุด การพัฒนาระบบรู้จำเสียงพูดนั้นสามารถทำหลายวิธี ซึ่งหนึ่งในวิธีเหล่านั้นคือ การปรับปรุงกระบวนการในการรู้จำเสียงพูดให้มีความถูกต้องมากที่สุด หรือแม้แต่การเพิ่มตัวแปรบางชนิด เพื่อให้ระบบรู้จำเสียงพูดใช้เป็นความรู้เพิ่มเติมสำหรับการรู้จำเสียงพูดในแต่ละครั้ง สระเป็นหน่วยเสียงแบบหนึ่งที่ทำหน้าที่เป็นแกนของพยางค์ และตำแหน่งของสระในประโยคคำพูดนั้น สามารถทำให้การตัดแบ่งเป็นหน่วยเสียงมีความถูกต้องมากขึ้นได้ นอกจากนี้ตำแหน่งของสระทั้งหมดสามารถบอกจำนวนพยางค์ที่เกิดขึ้นในประโยค ซึ่งใช้เป็นความรู้หนึ่งในการรู้จำเสียงพูดของระบบรู้จำเสียงพูดประเภทต่างๆ ทำให้ระบบรู้จำเสียงพูดเหล่านั้น สามารถรู้จำเสียงพูดได้ถูกต้องยิ่งขึ้น ดังนั้น วิทยานิพนธ์นี้นำเสนอวิธีการในการตรวจหาตำแหน่งสระ ด้วยลักษณะทางสวนสัทศาสตร์ ซึ่งประกอบไปด้วย ค่าอัตสหสัมพันธ์ที่มากที่สุดในช่วงความถี่ 60 ถึง 320 เฮิรตซ์ สำหรับใช้ในการหาความก้องหรือไม่ก้องของกรอบสัญญาณเสียงพูด และค่าพลังงานของสัญญาณเสียงที่มากกว่า 300 เฮิรตซ์ สำหรับการคัดเลือกตำแหน่งที่จะเป็นสระด้วยระเบียบวิธีคอนเวกซ์ฮัลล์ การประเมินประสิทธิภาพของการตรวจหาสระนั้น ได้ทำการทดลองกับฐานข้อมูลเสียงโลตัส พบว่า ในเสียงพูดต่อเนื่องแบบบันทึกในห้องเงียบได้ความถูกต้องของการตรวจหาสระเท่ากับ 84.98% และในเสียงพูดต่อเนื่องแบบบันทึกในสภาวะปกติ ได้ความถูกต้องของการตรวจหาสระเท่ากับ 85.33% นอกจากนี้ ยังได้ทำการทดลองกับฐานข้อมูลเสียชุดตัวเลข และได้ความถูกต้องของการตรวจหาสระเท่ากับ 95.80% ในเสียงพูดตัวเลขแบบบันทึกผ่านทางไมโครโฟนในห้องเงียบ และในเสียงพูดตัวเลขแบบบันทึกผ่านทางโทรศัพท์ในห้องปกติ ได้ความถูกต้อง ได้ความถูกต้องของการตรวจหาสระเท่ากับ 84.22%.