79
第6章 結論與未來展望
由於目前語音辨識的正確率仍然無法達到百分之百，該如何驗證辨識結果的正確性 一直是個很重要的課題。因此，過去這十幾年來，不斷有學者在進行信心度估評的 研究。更甚者，除了傳統應用於判斷辨識結果的正確與否之外，近幾年來，信心度 評估的應用已越趨廣泛，舉凡非監督式聲學模型訓練、大詞彙連續語音辨識的往前 觀測以及增進語音辨識系統的正確率等，都是信心度評估新興的研究方向。此外，
現今信心度評估所運用的資訊除了第2章所提到的聲學、語言及語法相關特徵之外，
近年來有學者嘗試運用如聲韻(Prosodic)等語言學(Linguistic)的相關知識，來降低信 心度評估的信心度錯誤率及提昇語音辨識系統的正確率[Qian et al. 2004]。
本論文是以改進傳統的信心度評估及應用信心度評估於提昇語音辨識系統的正 確率為主軸。在傳統的信心度評估應用中，提出結合熵值與傳統的信心度評估，在 MATBN外場記者與外場受訪者語料中，使用詞圖熵值結合傳統事後機率之信心度評 估，相對於傳統事後機率的方法，信心度錯誤率各有16.37%及12.00%的相對下降。
此外，與以特徵為基礎之信心度評估比較，也有較佳的結果。這是因為熵值資訊考 慮到在同一段發音區間，不應該同時有兩個以上的詞都擁有相當高的信心度。當有 這種情形發生時，就代表此信心度評估較不可靠，應當降低對此信心度評估結果的 可信度。而在降低語音辨識系統錯誤率的實驗中，本論文使用了最小化音框錯誤率 法則，結合梅爾倒頻譜係數(MFCC)，以及異質性線性鑑別分析搭配最大相似度線性 轉換(HLDA+MLLT)兩種不同語音特徵參數所形成的詞圖。由於本論文適當的結合 了兩種不同語音特徵參數所形成的詞圖，使得其帶有的資訊，相較於任一單一的詞 圖都來得多，在降低外場記者及外場受訪者兩套測試語料的字錯誤率實驗中，較傳 統最大事後機率解碼能各有4.6%及4.8%的字錯誤率相對下降。與過去只使用單一詞 圖的最小化音框錯率搜尋法相比，也都有較好的結果。最後，本論文也另外提出了 在傳統利用Levenshtein距離為成本函式的最小化貝氏風險(Minimum Bayes Risk)辨 識法則中，適當的加入以特徵為基礎的信心度評估，使得成本函式除了考慮兩條詞
80
序列的相似程度之外，也觀察詞序列的信心度高低。經由實驗得知，雖然在外場記 者以及外場受訪者的語料中，對於辨識錯誤率並沒有很明顯的進步或退步，但相較 於傳統利用Levenshtein距離為成本函式的最小化貝氏風險辨識法則而言，已有較佳 的結果。
目前事後機率的信心度估評除了應用於詞圖之外，最近開始也有學者試著探討 信心度評估於一致性網路(Consensus Network or Sausage)的情況[Fabian et al. 2003]。
根據[Mangu et al. 2000]，一致性網路除了在降低語音辨識系統錯誤率有一定的效果 之外，應用於信心度評估也有相當的效能。因此吾人未來也將嘗試利用本論文所提 出熵值資訊配合傳統信心度評估的方法作用於一致性網路，同時討論以特徵為基礎 的信心度評估於一致性網路的效果。另外，在這幾年中，也開始有研究學者進行以 單連或雙連詞出現的次數等特徵，採用鑑別式訓練(Discriminative Training)的方式於 N-最佳化詞序列重新排序(Reranking)之研究[Zhang and Rudnicky 2004; Zhou et al.
2006]。未來，吾人會試著以信心度評估取代上述之特徵，並結合鑑別式訓練應用於 N-最佳化詞序列的重新排序。
