Sobre a importância da fase no reconhecimento de fala humana

Neste artigo, analisamos os efeitos da incerteza na fase dos sinais de fala na taxa de erro de reconhecimento de palavras de ouvintes humanos. O objetivo motivador é obter uma medida quantitativa sobre a importância da fase no reconhecimento automático de fala, estudando os efeitos da incerteza de fase na percepção humana. Testes de audição foram realizados com 18 ouvintes sob diferentes condições de incerteza de fase e razão sinal-ruído (SNR). Esses resultados indicam que uma pequena quantidade de erro ou incerteza de fase não afeta a taxa de reconhecimento, mas uma grande quantidade de incerteza de fase afeta significativamente a taxa de reconhecimento. O grau de importância da fase também parece ser dependente da SNR, de forma que em SNRs mais baixos os efeitos da incerteza de fase são mais pronunciados do que em SNRs mais altos. Por exemplo, em uma SNR de -10 dB, ter fases aleatórias em todas as frequências resulta em uma taxa de erro de palavra (WER) de 63% em comparação com 24% se a fase não fosse alterada. Em comparação, a 0 dB, fase aleatória resulta em uma WER de 25% em comparação com 11% para o caso de fase não alterada. Testes de audição também foram realizados para o caso de fase reconstruída com base na abordagem de estimativa de erro de mínimos quadrados. Os resultados indicam que a taxa de reconhecimento para o caso de fase reconstruída é muito próxima da do caso de fase perfeita (uma diferença de WER de 4% em média).