بازشناسی گفتار احساسی و شناسایی حالت گفتار در زبان فارسی

حالت گفتار سبب افزودن اطلاعات اضافی نسبت به اطلاعات نوشتاری می شود. از طرف دیگر، وجود حالت در گفتار سبب بروز مشکل در فرایند بازشناسی گفتار می شود. در تحقیقات قبلی نشان داده شد که حالت گفتار سبب تغییرات اساسی در پارامترهای گفتاری می شود.
برای بهبود نتایج بازشناسی گفتار با حالت، ابتدا باید تاثیر آن را بر پارامترهای گفتاری به دست آورد و در مرحله بعدی، از پارامترهای مناسبی برای بهبود نتایج بازشناسی استفاده کرد. در این تحقیق با توجه به نتایج به دست آمده در زمینه تاثیر حالتهای گفتاری خشم و اندوه بر پارامترهای گفتاری نظیر فرمنت ها و فرکانس گام در زبان فارسی، بهبود نتایج بازشناسی گفتار با حالت، با مدل های عادی مد نظر است. با توجه به تغییرات منظم پارامترهایی نظیر فرکانس گام، فرمنت ها و شیب آنها با حالت گفتار، این پارامترها به بردار ویژگی سیستم بازشناسی اضافه می شوند. این کار سبب بهبود نتایج بازشناسی می شود. میزان این بهبود بستگی به نوع پارامتر، تعداد مخلوط ها و حالت گفتار دارد. با توجه به اهمیت شناسایی حالت گفتار و همچنین نقش آن در بهبود کیفیت سیستم بازشناسی گفتار، با استفاده از فرمنت ها و فرکانس گام به عنوان ویژگی های ورودی و به کارگیری روش های درخت تصمیم گیری و GMM، کار شناسایی حالت گفتار نیز انجام شده است.