Avancées dans le domaine de la transcription automatique par décodage guidé (Improvements on driven decoding system combination) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 795–802, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Avancées dans le domaine de la transcription automatique par décodage guidé Fethi Bougares1 Yannick Estève1 Paul Deléglise1 Mickael Rouvier 1 George Linarès2 (1) LIUM, Laboratoire d’Informatique de l’Université du Maine (2) LIA, Laboratoire d’Informatique d’Avignon 1prenom.nom@lium.univ-lemans.fr, 2prenom.nom@univ-avignon.fr RÉSUMÉ Dans cet article, nous présentons une méthode de combinaison de systèmes de reconnaissance automatique de la parole (SRAP) inspirée d’un algorithme de décodage guidé (DDA). La com- binaison par décodage guidé est basée sur un alignement entre une transcription auxiliaire et l’hypothèse développée par un système primaire, suivi d’une ré-évaluation du score linguistique de cette dernière. Nous proposons une nouvelle méthode qui facilite la gestion des transcrip- tions auxiliaires pour effectuer cette ré-évaluation sans alignement. Les hypothèses auxiliaires sont groupées par segment sous forme de sac de n-grammes (BONG : Bag Of NGrams) et la ré-évaluation est réalisée en fonction du résultat de recherche dans le sac de trigrammes corres- pondant. Cette méthode permet de réduire le taux d’erreur mots du système primaire en utilisant des systèmes auxiliaires moins performants. ABSTRACT Improvements on driven decoding system combination This paper proposes an improved driven decoding method for speech recognition system combination. The combination method involves the use of auxiliary transcription as external information source included on primary system decoding process. Auxiliary transcriptions are used to modify search space exploration via linguistic score reevaluation. it was shown that DDA outperforms ROVER when the primary system is guided by a more accurate system. In this paper we propose a new method to manage auxiliary transcriptions which are presented as a bag-of-n-grams (BONG) without temporal matching. These modifications allow to make easier the combination of several hypotheses given by different auxiliary systems and improves primary system WER even with less accurate auxiliary systems. MOTS-CLÉS : Reconnaissance de la parole, combinaison de systèmes, décodage guidé. KEYWORDS: Speech recognition, systems combination, driven decoding. 1 Introduction Bien que la majorité des systèmes de reconnaissance de la parole (SRAP) soient, à l’heure actuelle, basés sur des méthodes statistiques, ils peuvent différer sur plusieurs points (méthodes de paramétrisation du signal, modélisation acoustique et linguistique, algorithmes de décodage ...). 795 La combinaison de SRAP a pour objectif l’exploitation de ces différences pour construire une transcription finale améliorée. Le résultat de la combinaison de ces systèmes est directement lié à leur degré de complémentarité. En effet, la combinaison de deux systèmes qui font les mêmes types d’erreurs n’améliore pas la qualité de sortie finale. Plusieurs méthodes de combinaison des SRAP ont été réalisées et testées à différents niveaux : dans le but d’exploiter les points forts de chaque méthode de paramétrisation, différents jeux de paramètres ont été combinés dans (Plahl et al., 2011). La combinaison au niveau acoustique a été aussi testée via une adaptation croisée (cross-adaptation) dans (Stuker et al., 2006). Les sorties de différents SRAP ont été aussi combinées dans un schéma de combinaison a posteriori (Fiscus, 1997). …

Content truncated to 500 words