طراحی و جمع­ آوری دادگان مستقل از گویشور حاوی فرامین صوتی برای کنترل لوازم خانگی هوشمند مبتنی برگفتار فارسی

EasyChair Preprint 1641

Abstract

امروزه با پیشرفت روزافزون تکنولوژی و سیستم ­های پردازش گفتار، استفاده از گفتار علاوه بر تعاملات انسان­ها با یکدیگر در تعاملات میان انسان و ماشین نیز ورود پیدا کرده است. یکی از جنبه­ های به ­کارگیری گفتار در زمینه­ هایی مانند خانه ­های هوشمند، جایگزین کردن دستورات صوتی، با فرمان­ هایی است که از طریق لمس به دستگاه داده می ­شود. به این منظور یک سیستم تشخیص فرامین صوتی می ­تواندطراحی و پیاده­ سازی شود. سیستم مذکور قابلیت آن را دارد که هرکجا کاربر درخواستی از سیستم داشت، به راحتی با استفاده از دستورات سادۀ گفتاری، نیاز خود را برآورده کند. یکی از نیازهای اولیه برای داشتن هر سیستم بازشناس گفتار، وجود دادگان غنی برای آموزش و ارزیابی آن می ­باشد. با توجه به در دسترس نبودن دادگان حاوی فرامین صوتی برای کنترل لوازم خانگی هوشمند به زبان فارسی، در این مقاله به بررسی روند طراحی، جمع­ آوری و ارزیابی یک مجموعه دادگان فرامین صوتی مستقل از گویشور برای کنترل لوازم خانگی هوشمند (تلویزیون، ضبط صوت، لامپ) مبتنی بر گفتار فارسی پرداخته شده است.این دادگان به دو بخش آموزش و آزمون تقسیم شده است. برای ارزیابی دادگان از روش مدل مخفی مارکف و روش حافظۀ کوتاه مدت ماندگار استفاد شده است. نتایج ارزیابی دادگان مبتنی بر مدل مخفی مارکف نشان می ­دهد که بازشناس کلمات آموزش یافته بر روی دادگان مذکور در بهترین حالت از صحت 93% و دقت 92% برخوردار بوده و میزان خطا در سطح کلمه تنها 8%  است. همچنین نتایج ارزیابی مبتنی برحافظۀ کوتاه مدت ماندگارحاکی از آن است که دقت بازشناسی در سطح کلمه با بهترین تنظیمات از میان تنظیمات مختلف انجام شده، حدودا برابر با 98% است.

Keyphrases: Hidden Markov Model, Long Short-Term Memory, Persian spoken dataset, Smart Home Appliances, voice commands

@booklet{EasyChair:1641,
  author    = {Leila Safarpoor Kalkhoran and Shima Tabibian and Elaheh Homayounvala},
  title     = {Design and collecting the speaker independent data set of voice commands for controlling the smart home appliances based on Persian speech},
  howpublished = {EasyChair Preprint 1641},
  year      = {EasyChair, 2019}}