{"title":"为构音障碍患者开发语言辅助系统的隐藏马尔可夫模型","authors":"Clara Mercedes Guevara Vélez","doi":"10.26439/ciis2018.5468","DOIUrl":null,"url":null,"abstract":"El presente trabajo describe el diseño y desarrollo de un reconocedor automático de voz disártrica en español y una interfaz gráfica para su uso, el sistema en su totalidad será denominado Sistema de Ayuda al Habla (SAH). Esto para realizar funciones de apoyo en el nivel de comunicación de personas con el trastorno de disartria. Para la función de reconocimiento del sistema se utilizó la biblioteca HTK Toolkit, siendo la técnica de modelado acústico los modelos ocultos de Markov. En las pruebas con un vocabulario de cinco palabras, se tuvo un aumento del nivel de comunicación de un 46,67 %, y una tasa de reconocimiento de voz de 65 %. Estos resultados fueron comparando la precisión del SAH con la precisión del reconocimiento humano.","PeriodicalId":193074,"journal":{"name":"CIIS Ulima Congreso Internacional de Ingeniería de Sistemas","volume":"261 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Modelos ocultos de Markov para el desarrollo de un sistema de ayuda al habla para personas que sufren de disartria\",\"authors\":\"Clara Mercedes Guevara Vélez\",\"doi\":\"10.26439/ciis2018.5468\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"El presente trabajo describe el diseño y desarrollo de un reconocedor automático de voz disártrica en español y una interfaz gráfica para su uso, el sistema en su totalidad será denominado Sistema de Ayuda al Habla (SAH). Esto para realizar funciones de apoyo en el nivel de comunicación de personas con el trastorno de disartria. Para la función de reconocimiento del sistema se utilizó la biblioteca HTK Toolkit, siendo la técnica de modelado acústico los modelos ocultos de Markov. En las pruebas con un vocabulario de cinco palabras, se tuvo un aumento del nivel de comunicación de un 46,67 %, y una tasa de reconocimiento de voz de 65 %. Estos resultados fueron comparando la precisión del SAH con la precisión del reconocimiento humano.\",\"PeriodicalId\":193074,\"journal\":{\"name\":\"CIIS Ulima Congreso Internacional de Ingeniería de Sistemas\",\"volume\":\"261 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-10-11\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"CIIS Ulima Congreso Internacional de Ingeniería de Sistemas\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26439/ciis2018.5468\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"CIIS Ulima Congreso Internacional de Ingeniería de Sistemas","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26439/ciis2018.5468","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Modelos ocultos de Markov para el desarrollo de un sistema de ayuda al habla para personas que sufren de disartria
El presente trabajo describe el diseño y desarrollo de un reconocedor automático de voz disártrica en español y una interfaz gráfica para su uso, el sistema en su totalidad será denominado Sistema de Ayuda al Habla (SAH). Esto para realizar funciones de apoyo en el nivel de comunicación de personas con el trastorno de disartria. Para la función de reconocimiento del sistema se utilizó la biblioteca HTK Toolkit, siendo la técnica de modelado acústico los modelos ocultos de Markov. En las pruebas con un vocabulario de cinco palabras, se tuvo un aumento del nivel de comunicación de un 46,67 %, y una tasa de reconocimiento de voz de 65 %. Estos resultados fueron comparando la precisión del SAH con la precisión del reconocimiento humano.