कंप्यूटर द्वारा संदिग्ध भाषण की पहचान

एक प्रणाली का वर्णन किया गया है जो माइक्रोफोन और एनालॉग-से-डिजिटल कन्वर्टर द्वारा कंप्यूटर में दर्ज एक जुड़े भाषण नमूने से ध्वनिात्मक ट्रांसक्रिप्शन प्राप्त करने के लिए है। एक फीचर-एक्सट्रैक्शन प्रोग्राम भाषण के उच्चारण को ऐसे खंडों में विभाजित करता है जो लगभग ध्वनियों के अनुरूप होते हैं, उन खंडों की पिच अवधि को निर्धारित करता है जहां पिच विश्लेषण उचित होता है, और प्रत्येक खंड के लिए पैरामीटर की एक सूची बनाता है। एक वर्गीकरण कार्यक्रम प्रत्येक खंड को एक ध्वनि-समूह लेबल (स्वर जैसे खंड, फ्रीकेटिव जैसे खंड, आदि) सौंपता है, यह निर्धारित करता है कि क्या किसी खंड को ध्वनि के रूप में वर्गीकृत किया जाना चाहिए या यह दो ध्वनियों के बीच एक ध्वनि सीमा का प्रतिनिधित्व करता है, और फिर प्रत्येक खंड को ध्वनि लेबल सौंपता है जिसे ध्वनि सीमा के रूप में अस्वीकृत नहीं किया गया है। लगभग 30 उच्चारण जिनकी अवधि 1-2 सेकंड थी, को ऊपर के कार्यक्रमों का उपयोग करते हुए इंटरकनेक्टेड IBM 7090-PDP1 प्रणाली पर विश्लेषित किया गया। एक ही वक्ता के लिए कई स्वर और व्यंजन ध्वनियों की सही पहचान की गई, उसी भाषण सामग्री का उपयोग करते हुए जिसे पहचान प्रक्रिया विकसित करने के लिए उपयोग किया गया था। प्रत्येक उच्चारण के विश्लेषण का समय लगभग 40 गुना वास्तविक समय था.