A magyar beszéd

Tartalom

Előszó xv
Szerkesztők - szerzők xix
Rövidítések jegyzéke xxv
EMBER, NYELV, BESZÉD
1. A beszéd és az információs társadalom 3
2. A beszéd komplex szerkezete 9
2.1. A beszéd körfolyamata, az emberi dialógus 10
2.2. A nyelvi tudás szintjei 12
2.3. Beszédformák 13
2.3.1. Spontán beszéd 14
2.3.2. Felolvasásos beszéd 17
3. Fiziológiai, fizikai alapok 19
3.1. A beszédképzés folyamata 19
3.1.1. Gégeszintű hangképzés 20
3.1.2. Az artikulációs csatorna 24
3.1.2.1. A koartikuláció 25
3.1.2.2. A gégeműködés és az artikulációs csatorna viszonya 26
3.2. A hallási folyamat 27
3.2.1. A fül szerkezete 28
3.2.2. Jelfeldolgozás a hallórendszerben 31
3.3. A beszéd fizikai jellemzése 38
3.3.1. A rezgőmozgás, a hang keletkezése 38
3.3.2. A hang terjedése a levegőben 40
3.3.3. Kényszerrezgés, rezonancia 44
3.3.4. Összetett rezgések 45
3.3.5. A beszédjel elemzése 48
3.3.5.1. Formáns, zörejgóc 50
3.4. Pszichofizikai tényezők 56
3.4.1. Hangosságérzékelés 58
3.4.1.1. Tisztahangok hangosságérzékelése 58
3.4.1.2. Összetett hangok hangosságérzékelése 60
3.4.1.3. Hangosság és időtartam 64
3.4.2. Hangmagasság-érzékelés 64
3.4.2.1. Hangmagasságskálák 65
3.4.2.2. Tisztahangok hangmagasságérzete 67
3.4.2.3. Komplex hangok hangmagassága, virtuális hangmagasság.. 69
3.5. Fizikai-nyelvi megfeleltetések 69
4. A beszéd és az írás kapcsolata 73
4.1. Írásrendszerek 73
4.2. Hangjelölések 77
4.3. Tagolási különbözőségek 79
4.4. Az írott szöveg és a hangalak kapcsolata 81
4.5. Hang- és szóhatárok kijelölése a beszéd hullámformáján 83
4.6. Magyar hang-, betű- és szóstatisztika 86
4.6.1. Betűstatisztika a hangalak figyelembevételével 86
4.6.2. A magyar szavak eloszlásai 90
A BESZÉD SZERKEZETI ELEMZÉSE
5. A beszéd szegmentális szerkezete 95
5.1. A magyar beszédhangok 99
5.1.1. A beszédhangok osztályozása 99
5.1.1.1. A beszédhangok specifikus időtartamai 101
5.1.1.2. A beszédhangok specifikus intenzitásai, hangzósság 104
5.1.2. A magyar magánhangzók 106
5.1.2.1. A magyar magánhangzók időtartamadatai 114
5.1.3. A magyar mássalhangzók 116
5.1.3.1. Zöngés zárhangok 118
5.1.3.2. Zöngétlen zárhangok 119
5.1.3.3. Zöngés réshangok 121
5.1.3.4. Zöngétlen réshangok 122
5.1.3.5. Zöngés zár-rés hangok 124
5.1.3.6. Zöngétlen zár-rés hangok 125
5.1.3.7. Közelítő hangok 126
5.1.3.8. Pergőhang 126
5.1.3.9. Nazális hangok 128
5.2. A hangkapcsolódások típusai és szerkezeti sajátosságaik 129
5.2.1. Magánhangzó-magánhangzó kapcsolódások 133
5.2.1.1. A hiátustöltés jelensége 136
5.2.2. Mássalhangzó-magánhangzó-mássalhangzó kapcsolódások 139
5.2.3. Mássalhangzó-mássalhangzó kapcsolódások 142
5.2.3.1. Kettős mássalhangzó-kapcsolódások 143
5.2.3.2. Három elemű mássalhangzó-kapcsolatok 161
5.2.3.3. Négyelemű mássalhangzó-kapcsolatok 162
5.2.3.4. A koartikulációs néma fázis jelensége 163
5.3. Szegmentális jelenségek a gége szintjén 165
5.3.1. Mikrointonáció 165
5.3.2. Suttogás 166
5.3.3. Irreguláris zöngeképzés, glottalizáció, rekedtség 167
6. A beszéd szupraszegmentális szerkezete 171
6.1. A beszéddallam 173
6.1.1. A mondatdallamok kapcsolódási rendszere 176
6.1.2. A kijelentés dallamszerkezetei 178
6.1.3. A kérdésformák dallamai 180
6.1.3.1. A kiegészítendő kérdés 180
6.1.3.2. Eldöntendő kérdések 183
6.1.3.3. Ellenőrző kérdés 188
6.1.3.4. Választó kérdések 188
6.1.3.5. Befejezetlen kérdések 189
6.1.4. Más modalitások dallamformái 190
6.1.4.1. A felszólítás dallama 190
6.1.4.2. A figyelmeztetés dallama 191
6.1.4.3. Az óhajtás dallamformája 191
6.2. A hangsúlyozás 192
6.3. Hangintenzitás mondatkeretben 196
6.4. Időszerkezeti tényezők 199
6.4.1. Artikulációs sebesség 199
6.4.2. Beszédtempó 200
6.4.3. Szünetek 201
6.4.4. Ritmus 202
6.5. A hangszínezet
BESZÉDTECHNOLÓGIA
7. A beszédtechnológia tudománya 209
7.1. A beszéd számítógépes feldolgozása 209
7.1.1. Mintavételezés, kvantálás, visszaállítás 210
7.1.1.1. Mintavételezés 211
7.1.1.2. Kvantálás 215
7.1.2. Spektrális tulajdonságok meghatározása 220
7.1.2.1. Fourier-sor 221
7.1.2.2. Fourier-transzformáció 222
7.1.2.3. Teljesítménysűrűség-függvény 224
7.1.2.4. Ablakoló függvények 226
7.1.2.5. Idő-és frekvenciabeli felbontás 229
7.1.3. Zöngés-zöngétlen detekció 230
7.1.4. Jelfeldolgozás prozódiai módosításokhoz 232
7.1.4.1. Fonetikai alapú prozódiamódosítás 237
7.1.5. Kepsztrum 239
7.1.6. MFCC-paraméterek 240
7.1.7. Rejtett Markov-modellek 242
7.2. A beszéd tömörítése és átvitele 244
7.2.1. Kódolási alapelvek 245
7.2.1.1. A hullámforma-kódolás 245
7.2.1.2. Parametrikus kódolás 245
7.2.1.3. Hibrid kódolás 246
7.2.2. Adaptív differenciális, predikciós kódoló 247
7.2.3. Nyílt hurkú predikciós kódoló 250
7.2.4. Zárt hurkú predikciós kódoló 255
8. Adatbázisok a beszédtechnológia szolgálatában 261
8.1. Tanító adatbázisok gépi beszédfelismeréshez 268
8.1.1. Tanító adatbázisok a nyelvi tartalom gépi felismeréséhez 271
8.1.1.1. Beszédadatbázisok az akusztikai-fonetikai modell betanításához 272
8.1.1.2. Szövegadatbázisok a nyelvi modell betanításához 280
8.2. Beszédből készített elembázisok beszédszintézishez 283
8.2.1. Hangelembázis számok felolvasásához 284
8.2.1.1. Jó minőségű számfelolvasó hangelembázisának tervezése 286
8.2.2. Logatomalapú, diád-, triád-hangelembázis szövegfelolvasáshoz 292
8.2.2.1. Diád-hangelembázis 293
8.2.2.2. Triád a hangelembázisban 299
8.2.3. Nagyméretű beszédadatbázisok szövegfelolvasókhoz 300
8.2.3.1. A szintézis fő építőelemei 302
8.2.3.2. A beszédadatbázis címkézése 305
8.3. Kiejtésikivétel-szótárak 310
8.4. Oktatási, kutatási célú internetes adatbázisok 315
8.4.1. A magyar hangkapcsolódások akusztikai bemutatása szavakban 315
8.4.2. Mondatfajták beszédadatbázis 319
8.4.3. Elektronikus kiejtési szótár IPA-jelekkel és hangidőtartamokkal 320
8.4.4. A magyar formánsadatbázis 324
8.5. Spontánbeszéd-adatbázisok 330
9. A beszéd gépi észlelése és felismerése 333
9.1. Gépi beszédészlelési feladatok 335
9.1.1. A gépi beszédfelismerők osztályozása 336
9.2. A beszéd gépi felismerésének alapjai 338
9.3. Lényegkiemelési eljárások 340
9.3.1. Normálás 342
9.3.2. A tulajdonságvektorok előállítása 343
9.4. Mintaillesztési eljárások 344
9.4.1. Sablonbázisú mintaillesztés 344
9.4.1.1. A dinamikus idővetemítés 346
9.4.2. Statisztikai mintaillesztési módszerek 348
9.5. A beszéd-szöveg átalakítás alapjai 350
9.5.1. A beszédfelismerési feladat matematikai megfogalmazása 351
9.5.2. Beszédfelismerés rejtett Markov-modellel 352
9.5.3. Beszédhangalapú folyamatos beszédfelismerés 358
9.5.3.1. Környezetfüggő beszédhangmodellek 360
9.5.3.2. A kényszerített illesztés 361
9.5.3.3. Mintaillesztési példa a Viterbi-algoritmus használatára 362
9.6. A beszéd-szöveg átalakítás alapvető tudásforrásai 364
9.6.1. Az akusztikai modellek betanítása 364
9.6.2. A nyelvi modell készítése 369
9.6.2.1. Statisztikai N-gram modellek 369
9.6.2.2. Környezetfüggetlen nyelvtanok 372
9.7. Zajtűrő beszédfelismerés 375
9.7.1. Az átviteli csatorna hatását kompenzáló normalizációs eljárások 376
9.7.2. Zajszűrő eljárások 377
9.7.3. A beszélő személytől származó zajok kezelése 380
9.7.4. Beszéd-nem beszéd detektálás 381
9.8. Beszélőadaptáció 381
9.8.1. Az artikulációs csatorna normalizálása 383
9.8.2. Akusztikai adaptáció 384
9.8.2.1. Akusztikai adaptáció lineáris regresszióval 334
9.8.2.2. Maximum a posteriori adaptáció 385
9.8.3. Nyelvi adaptáció 386
9.9. Beszélőfelismerés 387
9.10. A prozódia szerepe a beszédfelismerésben 390
9.11. Érzelemfelismerés 392
9.12. Beszédfelismerés támogatása multimodális paraméterekkel 401
9.12.1. A vizuális lényegkiemelés 403
9.12.2. A vizuális és akusztikai modalitás integrálása 406
9.13. Beszédfelismerők minősítése 407
10. A beszéd gépi előállítása 411
10.1. Kempelentől napjainkig 415
10.2. Kötött szótáras beszédszintetizátorok 421
10.2.1. Hangminőségi skála 423
10.2.2. Tervezési tanácsok a jó hangminőség elérésére 424
10.2.3. A kötött szótáras rendszerek tervezési folyamata 426
10.2.4. Fonetikai elvű modell szám-, dátum-, időpont-, pénzösszegfelolvasáshoz 427
10.3. Automatikus szövegfelolvasás 429
10.3.1. A beszéd modellezése szintézishez 430
10.3.1.1. Hangsúlymeghatározás a szöveg alapján 430
10.3.1.2. Az alapfrekvencia változásának szabályalapú modellezése . 442
10.3.1.3. A beszéddallam változatosságának statisztikai modellezése. 446
10.3.1.4. A beszéd időszerkezetének szabályalapú modellezése 449
10.3.1.5. Komplex prozódiai modell 455
10.3.1.6. Beszélő fej modellezése 458
10.3.1.7. Érzelmi töltetű beszéd modellezése 466
10.3.2. Az ortografikus magyar szöveg fonetikai átírásának gépi módszere 467
10.3.2.1. A fonetikai átírás során kezelendő nyelvi jelenségek 467
10.3.2.2. Eljárások a fonetikai átírás megállapítására 472
10.3.2.3. Fonetikai átíró magyar nyelvre 480
10.3.3. Ékezetek gépi helyreállítása 485
10.3.3.1. Ékezetesítő eljárások 486
10.3.4. A gépi szövegfelolvasók általános, elvi felépítése 488
10.3.5. Formánsszintézis 491
10.3.5.1. A MultiVox formánsszintetizátor szövegfelolvasáshoz 494
10.3.6. Diád-, triádhullámformák összetűzésén alapuló technológia ... 497
10.3.6.1. A ProfiVox szövegfelolvasó és fejlesztői rendszere 499
10.3.7. Elemkiválasztás-alapú szövegfelolvasó 505
10.3.8. A rejtett Markov-modellen alapuló gépi szövegfelolvasás 512
10.3.9. Érzelmes szövegfelolvasás 518
10.4. Beszédszintetizátorok minősítése, szabványosítási javaslatok 520
BESZÉDTECHNOLÓGIÁI ALKALMAZÁSOK
11. Beszédinformációs rendszerek 525
11.1. A beszédinformációs rendszerek fő építőelemei 525
11.2. Emberi-gépi dialógus 527
11.3. A dialógus tervezése 528
11.4. Az akusztikai arculat 532
11.4.1. Az akusztikai arculat áttekintése 533
11.4.2. Infokommunikációs szolgáltatások és az akusztikai arculat 535
11.4.2.1. Az akusztikai arculat összetevői infokommunikációs szolgáltatásokban 535
11.4.3. Az akusztikai arculatot meghatározó néhány szolgáltatás vizsgálata 537
12. Példák a beszédtechnológia felhasználásának területeiről 541
12.1. Beszédtömörítési megoldások a gyakorlatban 541
12.1.1. Kódoló ajánlások 543
12.1.2. A kódolók fejlődése 545
12.2. Gépi beszédminősítés távközlési rendszerekben 547
12.2.1. Hanganyag gyűjtése 547
12.2.2. Szubjektív beszédminősítés 548
12.2.3. Objektív beszédminősítő eljárások áttekintése 550
12.2.3.1. Az objektív minősítő eljárás lépései 551
12.2.3.2. Az objektív minősítő eljárások értékelése 552
12.3. Telefonos és mobilos alkalmazások 554
12.3.1. Telefonról elérhető e-levél felolvasó 555
12.3.2. SMS-felolvasó vezetékes telefonra 557
12.3.3. Mobiltelefonba épített SMS-felolvasó 560
12.3.4. Automatikus szám szerinti tudakozó 561
12.3.5. Gyógyszervonal, automatikus telefonos információs rendszer 562
12.3.6. Automatikus, mobiltelefonos, helyfüggő kereső szolgáltatás 566
12.3.7. Automatikus áru- és árlista-felolvasó 569
12.3.8. Beszéddel vezérelt automatikus telefonközpontok 573
12.4. Internetes alkalmazások 574
12.4.1. Időjárás-előrejelzés írott szöveges és hangos modalitással 575
12.4.2. Híradókereső - internetes hang-videókeresés kulcsszavak alapján 576
12.4.3. Szövegfelolvasás a webfordítás színesítésére 578
12.5. Közlekedési alkalmazások 578
12.5.1. Vasútállomási utastájékoztató 579
12.6. Diktálórendszerek 579
12.6.1. Leletező beszédfelismerő 580
12.7. Beszédtechnológia a vakok és gyengénlátók szolgálatában 582
12.7.1. Képernyőolvasás 583
12.7.2. Dramatizáló 586
12.7.3. Hangoskönyvek 588
12.7.4. Beszélő bankautomaták 590
12.7.5. NaviSpeech - beszélő navigátor látássérült gyalogosoknak 591
12.8. Beszédjel átalakítása mozgó száj képévé siketek kommunikációjának segítésére 595
12.9. Beszédtanítás és beszédtechnológia 604
12.9.1. Beszédoktató varázsdoboz 607
12.9.1.1. Adatbázisok és modellezés 611
12.9.1.2. Képi megjelenítés 613
12.9.1.3. A kiejtés jóságának automatikus megítélése 617
12.9.1.4. Beszédoktatási módszertan a használathoz 618
12.10. Beszédkommunikátor beszédsérültek segítésére 620
12.11. Hallásmérés szintetikus beszéddel 624
12.11.1. A Mondom-2000 beszédhallást ellenőrző eljárás 624
13. Interfészek, szabványok, honlapok, programok 631
13.1. VXML 631
13.1.1. VoiceXML alkalmazásfejlesztés 632
13.1.2. VoiceXML alapú alkalmazások 634
13.2. Programozói interfész beszédtechnológiai alkalmazásokhoz (SAPI) 635
13.2.1. Microsoft Speech API 638
13.2.2. Java Speech API 641
13.3. MRCP 641
13.4. Intelligens beszédhang-időtartam mérő 643
13.5. Glottalizáló program 647
13.6. A könyvben szereplő honlapok beszédkutatáshoz, oktatáshoz, fejlesztésekhez, döntéshozatalhoz 650
14. A beszédtechnológia jövője 653
Irodalomjegyzék 657
FÜGGELÉK
F. Hangkapcsolatok 691
F.1. CC hangkapcsolatok 691
F.2. CCC hangkapcsolatok 694
F.3. CCCC hangkapcsolatok 697
F.4. CVC hangkapcsolatok spektrogramjai 698
Tárgymutató 705

Témakörök