Modelado acústico y teorías de adaptación máximo a posteriori (MAP) para reconocimiento de habla continua en castellano

Abstract

Se explica como se ha desarrollado un reconocedor de habla continua en castellano que dispone de mecanismos de mejora de prestaciones utilizando unidades dependientes del contexto y ajuste del sistema al locutor. Este ajuste se discute con el uso de dos métodos. El de máxima verosimilitud y el de máximo a posteriori (MAP) que necesita menor cantidad de datos de entrenamiento. Se desarrolla un algoritmo de entrenamiento bayesiano basado en el criterio MAP entrenándose con el unidades adaptadas al contexto y unidades adaptadas al locutor, concluyendo un mejor funcionamiento del reconocedor cuando se dispone de una base de datos reducida, ademas de incluir la posibilidad de incorporar nuevos datos de entrenamiento de manera incremental.