[FONT=Times New Roman]1 ĐẶT VẤN ĐỀ

1.1 Giới thiệu

Ngày nay, cùng với sự phát triển của ngành điện tử

và tin học, các hệ thống máy tự động đã dần thay

thế con người trong nhiều công đoạn của công việc.

Máy có khả năng làm việc hiệu quả và năng suất

cao hơn con người rất nhiều. Song cho đến nay, vấn

đề giao tiếp người – máy tuy đã được cải thiện

nhiều nhưng vẫn còn rất thủ công: thông qua bàn

phím và các thiết bị nhập dữ liệu khác. Giao tiếp

với thiết bị máy bằng tiếng nói sẽ là phương thức

giao tiếp văn minh và tự nhiên nhất, dấu ấn giao

tiếp người – máy sẽ mất đi mà thay vào đó là cảm

nhận của sự giao tiếp giữa người với người, nếu

hoàn thiện thì đây sẽ là một phương thức giao tiếp

tiện lợi và hiệu quả nhất.

Do có sự khác biệt về mặt ngữ âm giữa các ngôn

ngữ nên ta không thể áp dụng các chương trình

nhận dạng khác để nhận dạng tiếng Việt. Một hệ

thống nhận dạng tiếng nói ở nước ta phải được xây

dựng trên nền tảng của tiếng nói tiếng Việt.

1.2 Tình hình nghiên cứu trong và ngoài nước

Vấn đề nhận dạng tiếng nói tiếng Việt chỉ mới được

quan tâm nghiên cứu trong những năm gần đây và

chưa có một chương trình nhận dạng hoàn chỉnh

nào được công bố.

Trên thế giới đã có rất nhiều hệ thống nhận dạng

tiếng nói (tiếng Anh) đã và đang được ứng dụng rất

hiệu quả như: Via Voice của IBM, Spoken Toolkit

của CSLU (Central of Spoken Laguage Understanding)…

nhưng trong tiếng Việt thì còn rất nhiều

hạn chế.

1.3 Mục tiêu của đề tài

Đề tài này nghiên cứu thử nghiệm một hướng nhận

dạng tiếng nói - tiếng Việt dựa trên việc trích đặc

trưng của tiếng nói bằng phương pháp MFCC

(MelFrequency Ceptrums Coefficients), và nhận dạng

bằng mô hình HMM (Hidden Markov Models).

Đồng thời, một mô hình điều khiển bằng tiếng nói –

tiếng Việt được xây dựng với bộ từ vựng nhỏ, thiết

lập hệ thống điều khiển bằng tiếng nói với một tập

lệnh cố định. Tập lệnh này dùng để điều khiển

Robot, và mô hình điều khiển xe bằng tiếng nói

hoàn chỉnh là một ứng dụng thực tế mang tính thử

nghiệm của đề tài.

2 xây dựng HỆ THỐNG NHẬN DẠNG

TIẾNG NÓI

Một hệ thống nhận dạng nói chung thường bao gồm

hai phần: phần huấn luyện (training phase) và phần

nhận dạng (recognition phase). “Huấn luyện” là quá

trình hệ thống “học” những mẫu chuẩn được cung

cấp bởi những tiếng khác nhau (từ hoặc âm), để từ

đó hình thành bộ từ vựng của hệ thống. “Nhận

dạng” là quá trình quyết định xem từ nào được đọc

căn cứ vào bộ từ vựng đã được huấn luyện. Sơ đồ

tổng quát của hệ thống nhận dạng tiếng nói được

thể hiện trên hình 1.

Để thuận tiện cho việc kiểm tra và đánh giá kết quả,

từ sơ đồ trên chúng tôi chia chương trình nhận dạng

thành ba mô-đun riêng biệt:

! Mô-đun 1: Thực hiện việc ghi âm tín hiệu tiếng

nói, tách tiếng nói khỏi nền nhiễu và lưu vào

cơ sở dữ liệu.

! Mô-đun 2: Trích đặc trưng tín hiệu tiếng nói đã

thu ở mô-đun 1 bằng phương pháp MFCC,

đồng thời thực hiện ước lượng vector các

vector đặc trưng này.

! Mô-đun 3: xây dựng mô hình Markov ẩn với 6

trạng thái, tối ưu hóa các hệ số của HMM

tương ứng với từng từ trong bộ từ vựng, tiến

hành nhận dạng một từ được đọc vào micro.