التصنيف التلقائي للحروف الساكنة العربية لتصحيح الاستبدال الصوتي
##plugins.themes.bootstrap3.article.sidebar##
منشور:
Jun 28, 2014
الكلمات المفتاحية:
الأصوات العربية المتأخرة- الإبدال الحرفي- التعرف الآلي على الكلام - MFCC- HMM
##plugins.themes.bootstrap3.article.main##
الملخص
نقدم في هذه المقالة نظام تصنيف تلقائي للحروف الساكنة العربية [q] [ɂ] و [x] [ḥ]. الهدف الرئيسي هو بناء نظام مساعد لعلاج النطق للأطفال الجزائريين الذين يعانون من مشاكل الاستبدال الصوتي الوظيفي. هذا النظام عبارة عن تطبيق للتعرف التلقائي على الكلام (ASR) استنادًا إلى نموذج ماركوف المخفي أو HMM (نموذج ماركوف المخفي). يعتمد تحديد معلمات إشارات الكلام على تمثيل رأسي باستخدام MFCC (معاملات تردد ميل الترددي) مع مشتقاته الأولى والثانية. تم تطبيق تقييم موضوعي على عملنا. يُظهر الأخير أداءً جيدًا، حيث تبلغ معدلات التعرف 90.71% للصوت [q] و91.71% للصوت [x].
##plugins.themes.bootstrap3.article.details##
كيفية الاقتباس
عابدا., & قرتيم. (2014). التصنيف التلقائي للحروف الساكنة العربية لتصحيح الاستبدال الصوتي. AL-Lisaniyyat, 20(1), 127-134. https://doi.org/10.61850/allj.v20i1.511
القسم
Articles
المراجع
7. Références
[1] Abed, A. and Guerti, M., “Application des HMM à la substitution Phonémique dans l'Arabe Parlé”, Journées d'Etudes Algéro-Françaises de Doctorants en Si- gnal-Image & Applications, JEAFD'2012, Alger, 18-23, 2012. [2] Abed, A. and Guerti, M., "Errors Classi- fication of Phonemic Substitution in Ara134
bic Speech”, International Congress on
Telecommunication and Application’14. Bejaia, Algeria, 23-24 Apr 2014. [3] Amrouche, A., Debyeche, M., Ahmed, AT. Rouvaen, TM. and Yagoub, M.C.E,, "An efficient speech recognition system in adverse conditions using the non parametric regression”, Engineering Applications of Artificial Intelligence, Elsevier, 23: 85-94, 2010. [4] Kumari, R.S.S., Nidhyananthan, S.S. and
Anand, G., ”Fused mel feature sets based text-independent speaker identification using gaussian mixture model”, Elsevier Procedia Engineering, editor, International Conference on Communication Technology and System Design, 30: 319- 326, 2012. [5] Zeng, J., Duan, J. and Wu, C., "A new
distance measure for hidden markov models”, Expert Systems with Applica- tions, Elsevier, 37:1550-1555, 2010. [6] Bilmes, J.A., "A gentle Tutorial of the EM Algorithm and its applications to Parameter Estimation for Gaussian Mixture
and Hidden Markov Models”, Technical report, ICSI-TR-97-021, 1998. [7] Davis, S. P. and Mermelstein, P., "Com- parison of parametric representations for monosyllabic word recognition in contin- uously spoken sentences”, IEEE Transac- tions on Acoustics, Speech, and Signal Processing, 28: 357-366, 1980. [8] Hacine-Gharbi, A., “Sélection de para- mètres acoustiques pertinents pourla reconnaissance de la parole”, Thèse de doctorat, université de Sétif Algérie, 2012. [9] Haton, I.P., Cerisara, C., Fohr, D, Laprie,
Y. and Smaili, K., ”Reconnaissance au- tomatique de la parole : du signal à son interprétation”, Paris: Dunod, 2006. [10] Rabiner, LR. and Juan, B.H., “Funda- mentals of speech recognition”, Eng- lewood Cliffs, N.J., USA: Prentice Hall, 1993.
[1] Abed, A. and Guerti, M., “Application des HMM à la substitution Phonémique dans l'Arabe Parlé”, Journées d'Etudes Algéro-Françaises de Doctorants en Si- gnal-Image & Applications, JEAFD'2012, Alger, 18-23, 2012. [2] Abed, A. and Guerti, M., "Errors Classi- fication of Phonemic Substitution in Ara134
bic Speech”, International Congress on
Telecommunication and Application’14. Bejaia, Algeria, 23-24 Apr 2014. [3] Amrouche, A., Debyeche, M., Ahmed, AT. Rouvaen, TM. and Yagoub, M.C.E,, "An efficient speech recognition system in adverse conditions using the non parametric regression”, Engineering Applications of Artificial Intelligence, Elsevier, 23: 85-94, 2010. [4] Kumari, R.S.S., Nidhyananthan, S.S. and
Anand, G., ”Fused mel feature sets based text-independent speaker identification using gaussian mixture model”, Elsevier Procedia Engineering, editor, International Conference on Communication Technology and System Design, 30: 319- 326, 2012. [5] Zeng, J., Duan, J. and Wu, C., "A new
distance measure for hidden markov models”, Expert Systems with Applica- tions, Elsevier, 37:1550-1555, 2010. [6] Bilmes, J.A., "A gentle Tutorial of the EM Algorithm and its applications to Parameter Estimation for Gaussian Mixture
and Hidden Markov Models”, Technical report, ICSI-TR-97-021, 1998. [7] Davis, S. P. and Mermelstein, P., "Com- parison of parametric representations for monosyllabic word recognition in contin- uously spoken sentences”, IEEE Transac- tions on Acoustics, Speech, and Signal Processing, 28: 357-366, 1980. [8] Hacine-Gharbi, A., “Sélection de para- mètres acoustiques pertinents pourla reconnaissance de la parole”, Thèse de doctorat, université de Sétif Algérie, 2012. [9] Haton, I.P., Cerisara, C., Fohr, D, Laprie,
Y. and Smaili, K., ”Reconnaissance au- tomatique de la parole : du signal à son interprétation”, Paris: Dunod, 2006. [10] Rabiner, LR. and Juan, B.H., “Funda- mentals of speech recognition”, Eng- lewood Cliffs, N.J., USA: Prentice Hall, 1993.