1 / 28

Gregor Erbach Interprice Technologies

IVSW 2000, Köln 24.11.00. Sprachdialogsysteme für Telefondienste. Gregor Erbach Interprice Technologies. INHALT. Automatische Spracherkennung Diktiersysteme und Dialogsysteme Grundlagen der Spracherkennung Dialogsysteme Dialogbeschreibungssprachen Sprachausgabe Sprechererkennung

quincy
Télécharger la présentation

Gregor Erbach Interprice Technologies

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. IVSW 2000, Köln 24.11.00 Sprachdialogsysteme für Telefondienste Gregor Erbach Interprice Technologies

  2. INHALT • Automatische Spracherkennung • Diktiersysteme und Dialogsysteme • Grundlagen der Spracherkennung • Dialogsysteme • Dialogbeschreibungssprachen • Sprachausgabe • Sprechererkennung • Dialogsystem für Postgebührenauskunft • Ausblick

  3. AUTOMATISCHE SPRACHERKENNUNG • Forschungen seit den 50er Jahren • Breiter Kommerzieller Einsatz erst seit einigen Jahren • Grund: fallende Kosten für Prozessorleistung und Speicherplatz • Spracherkenner können auf PCs als reine Software-Lösungen realisiert werden

  4. DIKTIERSYSTEME UND DIALOGSYSTEME

  5. GRUNDLAGEN DER SPRACHERKENNUNG • Digitalisierung des Sprachsignals • Signalanalyse: Verteilung der akustischen Energie über Frequenz und Zeit • Vergleich mit gespeicherten Mustern (akustische Modelle) • Auswahl der am besten passenden Muster durch sprachliches Wissen und Weltwissen

  6. SIGNALANALYSE

  7. SCHWIERIGKEITEN DER SPRACHERKENNUNG • sprecherabhängig - sprecherunabhängig • Variation der Sprecher (Alter, Dialekt, Gesundheit ...) • kontinuierliche Sprache • Vokabulargröße • Spontansprache • Umgebungsgeräusche • gestörte Sprachübertragung

  8. Schwierigkeit Geräte- steuerung Telefon- anwendung Sprachwahl im Handy Diktiersystem 10000 10 100 1000 100000 1M Vokabular SCHWIERIGKEIT vs. VOKABULAR

  9. EVALUATION VON SPRACHDIALOGSYSTEMEN

  10. Sprach- erkennung Dialog- steuerung Anwendungs-system Datenbank Sprach-ausgabe AUFBAU EINES DIALOGSYSTEMS

  11. DIALOGINITIATIVE • Systeminitiative • bei Systemen, die nur unregelmäßig benutzt werden • Benutzerinitiative • erfahrene Benutzer können ohne Aufforderungen des Systems Kommandos eingeben • gemischte Initiative • beispielsweise für Rückfragen des Benutzers oder Aktivierung einer Hilfefunktion • Überbeantwortung von Fragen durch den Benutzer

  12. BARGE-IN • "Barge-In" ist die Unterbrechung der Ausgabe eines Dialogsystems durch eine neue Eingabe des Benutzers • Vorteile: • Möglichkeit der Unterbrechung langer Ausgaben (z.B. umfangreiche Fahrplanauskünfte, Vorlesen von e-mail) • Zeitersparnis durch schnellere Beantwortung von Fragen • Probleme: • Unterbrechung der Systemsausgabe durch Störgeräusche und Störung des Dialogablaufs

  13. VERIFIKATION • Verifikation ist Bestätigung von Benutzereingaben • Explizite Verifikation: Eingabe muss ausdrücklich bestätigt werden. • Implizite Verifikation: Eingabe wird wiederholt und gilt als akzeptiert, wenn der Benutzer nicht widerspricht.

  14. DIALOGBESCHREIBUNGSSPRACHEN • Programmierung des Dialogablaufs ist ein kritischer Faktor bei der Entwicklung von Dialogsystemen • Drei Ansätze für die Programmierung von Dialogsystemen: • VoiceXML • Bedingung-Aktion-Regeln • SpeechObjects

  15. VoiceXML • Mit VoiceXML können Sprachdialogsysteme spezifiziert werden. • VoiceXML ist eine XML-Applikation und wird durch eine DTD (Document Type Description) definiert. • Dialogführung durch "slot-filling" (Form Interpretation Algorithm) • Verarbeitung ist mit dem Ausfüllen von Formularen in HTML-Seiten vergleichbar. • VoiceXML ist beim WWW Consortium als Standard eingereicht worden und wird von zahlreichen Firmen unterstützt.

  16. VoiceXML: Beispiel <?xml version="1.0"?> <vxml version="1.0"> <form> <field name="drink"> <prompt>Would you like coffee, tea, milk, or nothing?</prompt> <grammar src="drink.gram" type="application/x-jsgf"/> </field> <block> <submit next="http://www.drink.example/drink2.asp"/> </block> </form> </vxml>

  17. VoiceXML Beispieldialog S (System): Would you like coffee, tea, milk, or nothing? B (Benutzer): Orange juice. S: I did not understand what you said. S: Would you like coffee, tea, milk, or nothing? B: Tea S: (setzt den Dialog mit dem VoixeXML-Programm drink2.asp fort)

  18. Bedingung-Aktion-Regeln in HDDL • HDDL wird im Dialogsystem SpeechMania von Philips verwendet • Eine HDDL-Regel besteht aus einem Bedingungsteil (COND) und einem Aktionsteil • Slot-filling kann mit HDDL leicht realisiert werden • Überbeantwortung kann gut behandelt werden

  19. Beispiel: Bedingung-Aktion-Regel COND( art == "paket" && !^gewicht ) { QUESTION(gewicht) { INIT { "Geben Sie bitte das Gewicht des Pakets an"; } } }

  20. SpeechObjects • SpeechObjects sind wiederverwendbare Dialogmodule • SpeechObjects erfüllen bestimmte Funktionen wie Abfrage von Datum und Uhrzeit oder Abfrage einer Kreditkartennummer • Fehlerbehandlung und Verifikation ist in den SpeechObjects eingebaut • Entwickler können eigene Bibliotheken von wiederverwendbaren SpeechObjects aufbauen

  21. SPRACHAUSGABE • Gesprochene vs. synthetisierte Ausgaben • Gesprochene Ausgaben werden von Benutzern besser akzeptiert. • Beim Zusammensetzen von Sprachaufnahmen auf fließende Übergänge achten. • Bei großem oder häufig wechselndem Vokabular ist Sprachsynthese unvermeidlich. • Evaluation von Sprachsynthese nach den Kriterien der Verständlichkeit und Natürlichkeit

  22. SPRECHERERKENNUNG • Sprecherverifikation: Identität eines Sprechers überprüfen • Sprecheridentifikation: Erkennung eines Sprechers aus einer Anzahl möglicher Sprecher • Evaluation anhand der Verhältniszahlen "falsche Akzeptanz" und "falsche Zurückweisung" • Ein Maß kann auf Kosten des anderen verbessert werden • Wird große Sicherheit gefordert, muss Sprecherer-kennung mit anderen Verfahren (Passwort, Chipkarte ...) kombiniert werden

  23. DIALOGSYSTEM FÜR POSTGEBÜHREN • Technische Basis • Philips SpeechMania mit österreichischen akustischen Modellen • Windows NT 4.0 • Pentium III (Minimum: Pentium II, 300 MHz) • 256 MB RAM (Minimum: 64 MB) • ISDN-Karte • Zusammenarbeit zwischen Forschungszentrum Tele-kommunikation Wien (ftw.) und Österreichische Post AG

  24. KRITERIEN BEIM SYSTEMENTWURF • Hauptsächlich Gelegenheitsnutzer • Dialogführung durch das System • Überbeantwortung ist möglich • Kein Barge-In

  25. ENTWICKLUNGSPROZESS • Rapid Prototyping, Spezifikation der Anforderungen • Definition des Dialogflusses • Wizard-of-Oz Experiment • Erstes System mit vollständiger Preisauskunft • Interne Tests • Optimierung der Funktionalität • Tests mit externen Benutzern • Weiterentwicklung des Systems • Interne Tests • Externe Tests

  26. DIALOGBEISPIEL (Teil 1) S1 (System): Möchten Sie ein Paket oder eine Briefsendung verschicken? B2 (Benutzer): eine Briefsendung S3: Möchten Sie|den Brief|ins Inland oder ins Ausland verschicken? B4: ins Ausland S5: In welches Zielland wollen Sie|den Brief|schicken? B6: nach Italien S7: Soll der Brief|nach Italien|als Priority versendet werden? B8: nein danke bitte ich richtig (nein danke, das ist nicht nötig) S9: Bitte geben Sie das Gewicht des Briefes an

  27. DIALOGBEISPIEL (Teil 1) B10: Niue Chile Sudan Bermuda zwanzig Gramm (na ich schätz so zwei hundert zwanzig Gramm) S11: nach Italien|sind folgende Sonderbehandlungen zulässig: Einschreiben, Eilsendung und Nachnahme. Wollen Sie eine dieser Sonderbehandlungen nutzen, wenn ja, welche? B12: nein richtig bitte kostet hier (nein das ist mir zu kompliziert) S13: Danke für Ihre Angaben S14: Ein Brief|nach Italien|20|Gramm schwer, der|priority|versendet wird, kostet|7|Schilling S15: Benötigen Sie eine weitere Auskunft? B16: nein danke

  28. AUSBLICK • Verbindung von Sprachdialog und Multimedia in 3G-Anwendungen (GPRS, UMTS) • Kombination von Spracheingabe und Zeigen auf den Bildschirm • Kombination von Sprachausgabe und animierter Graphik oder Video • Anpassung an Benutzer und Kommunikationssituation • Multimodale Dialoge für e-commerce(www.interprice.com)

More Related