Protokoll 2004-05-27

Aufnahmegruppe

• Problem: Silence detection / silence removal
  • Erster Ansatz: Silence removal tool hat Frames mitten in einer Äußerung weggeworfen
    • Abhilfe: Erst normalisieren, dann mit geeigneten Threshold zu leise Frame entfernen
    • Problem: Passenden Schwellwert hierfür finden
  • Zweiter Ansatz: Den Maximalpegel kurz nach Beginn der Aufnahme ermitteln, damit normalisieren

• Alternativer Ansatz: Fourier

Merkmalsextraktion

• Optimale Parameter sind in Sichtweite
  • Tests mit 31 Sprechproben
  • Gesamteindruck gut, Selbstähnlichkeit meistens größer als Ähnlichkeit mit anderen Sprechern
  • Anzahl Fehlzuweisungen: 107 von 3480 (3%)
  • Aber: "Ausreißer" unter den Sprechern (geringe Selbstähnlichkeit)
    • Mögliche Abhilfe: Mehrere Proben pro Sprecher, irgendwie mitteln?
    • Aufnahmemodus so gestalten, dass so lange Stimmproben abgegeben werden müssen, bis darunter (wo? eine Probe, mehrere?) eine geringe Selbstähnlichkeit erreicht wird
    • Herauszufinden: Wie groß ist eigentlich so die Streuung der Selbstähnlichkeit bei mehreren Proben?
    • Vorschlag: Nach fünf Sprechproben den Durchschnitt der Selbstähnlichkeit als Mindestähnlichkeit für Erkennung nehmen
    • Oder zumindest bei der Aufnahme eine Warnung ausgeben: "Mit diesen Proben könnte es Probleme geben!"
    • Andere Idee: Aus mehreren Sprechproben irgendwie eine Referenz mitteln
      • Ansatz: Proben mit DTW alignen und Mittelwert der Proben als Referenz nehmen
        • Vom jetzigen Stand aus "leicht" zu implementieren
        • Evtl. Probleme: Weglassungen, wie bildet man den Durschnitt von drei Proben
        • Vorschlag: Ausprobieren und schauen, was das überhaupt bringt
• Zu tun
  • Selbstähnlichkeitsstreuung untersuchen (s.o.)
  • Untersuchen: Wie liegt man die sprecherabhängige Mindestähnlichkeit zur Erkennung fest? 10% über der Selbstähnlichkeit, 15%?

Ähnlichkeitsvergleich

• Analyse-Module mit Qualitätsmaßen und Diagrammen sind so weit fertig
• Zurzeit in Arbeit: Interaktives Auswertungstool, das nach Kennzahlen sortieren kann etc.
• Zu tun
  • DTW-Matching zweier Proben implementieren (s.o.)
    • Siehe auch: Averaging physiological signals with the use of a DTW algorithm
  • Nochmal genau vergleichen: NDTW vs. DTW
  • DTW-Evaluierung (Slope-Typen, Abstandsmaß, Gewinnen)
  • Gesamt-Evaluierung auf mehr als zwei Proben pro Teilnehmer pro Gruppe umstricken

Projektverlauf

• 18 Stunden bis zur Expo
  • Neue Arbeitsgruppe zum Zusammenbau etc. bilden
  • Noch zu diskutieren: Wie soll das System überhaupt aussehen?
• Integrationsgruppe baut erst einmal ein lauffähiges System

Ziel-System

• Funktionen
  • Anmeldung
  • Erkennung
• Szenario
  • Man sagt dem Roboter hallo und er weiß, wo mein Büro ist etc.

Interface

• Windows, Screenflow
• How fancy should it be?
  • Technically looking
  • Colours, mascot...?
  • Speech output
    • Existing speech synthesis, e.g. Mbrola, Festival, Lucent ...

Component Integration

• Ein Teilnehmer aus jeder Gruppe als Integrationsbeauftragter
• Kommunikation zzt. über Dateien