Análisis de la utilización de grafos de palabras como salida de un reconocedor de voz para representar pronunciaciones alternativas

Abstract

En el presente trabajo se expone el proceso llevado a cabo para transformar un sistema de reconocimiento del habla con salida única en uno capaz de proporcionar un grafo de salida con múltiples posibles transcripciones para el audio de entrada, así como diversas mejoras realizadas para aumentar la tasa de acierto del reconocedor, sin que esto suponga un perjuicio en la capacidad del sistema de funcionar en tiempo real. Veremos con detalle los algoritmos diseñados para este propósito, así como los resultados obtenidos para cada uno de ellos.

In this academic work we talk about the process that we had followed to transform a speech recognition system with single output in other capable of producing a word graph as output, with multiple transcriptions for the input audio, as well as some improvements made to increase the success rate without losing the ability of the system to work in real time. We will see in detail the algorithms designed for this purpose, as well as the results obtained for all of them.