Modèle GMM et algorithme de Brandt pour la correction de la segmentation de la parole par HMM
Résumé
On compare les performances de deux algorithmes de segmentation automatique. Le premier, nommé "HMM amélioré", affine la segmentation produite par les modèles de Markov cachés (HMM). Le deuxième est l'algorithme de Brandt qui vise, quant à lui, à détecter les ruptures de stationnarité. Le premier algorithme requiert la connaissance a priori de la phonétisation, le second non. Étant donné que l'algorithme de Brandt commet des insertions et des omissions, ce qui n'est pas le cas du HMM amélioré, on introduit une généralisation du taux de segmentation correcte (TSC) afin de comparer ces deux algorithmes. Les mesures expérimentales des TSCs permettent d'évaluer une limite supérieure des performances de l'algorithme de Brandt et suggèrent de combiner ces deux méthodes avec d'autres algorithmes adaptés à la séparation des classes acoustico-phonétiques.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...