Cross-layer Aussprachemodelle für Spontansprache

Systeme zur automatischen Spracherkennung wurden ursprünglich so entwickelt, dass sie mit sorgfältig artikulierter Sprache umgehen können. In Folge dessen können diese Systeme nicht gut mit der gewaltigen Aussprachevariation, die für spontane Alltagssprache üblich ist, umgehen. Gelesene und spontane Sprache unterscheiden sich in vielen Aspekten. Die charakteristischen Eigenschaften der Spontansprache sind, unter anderem, eine hohe Frequenz von Äußerungen, die als "ungrammatikalisch" erachtet werden könnten, und das Auftreten von Reformulierungen und Wortwiederholungen. In phonetischer Hinsicht ist ein viel höheres Maß an Aussprachevariation in der spontanen als in der gelesenen Sprache zu beobachten. In der Spontansprache sind die Worte im Vergleich zu ihrer Standardaussprache häufig akustisch reduziert, sodass zum Beispiel das Wort haben wie ham ausgesprochen sein kann. Da die meisten Anwendungen von automatischen Spracherkennern jedoch die Erkennung von Spontansprache erfordern (z.B. Spracheingabehilfsmittel für körperlich Behinderte, medizinische Diktiersysteme, Sprachdialogsysteme etc.), ist die Entwicklung von Methoden, die die Integrierung von Aussprachevariation ermöglichen, ein wichtiges Forschungsthema im Bereich der Sprachtechnologie. Auch phonetische, sprachwissenschaftliche und psycholinguistische Studien analysieren spontane Gespräche auf der Suche nach einer Antwort darauf, welchen Regeln die Produktion und Perzeption von Sprache in alltälglichen Situtationen unterliegen. Studien, die auf großen Sprachkorpora beruhen, haben gezeigt, dass die Details der phonetischen Realisierung mit den grammatikalischen und funktionellen Eigenschaften einer Aussage in Zusammenhang stehen. Es ist wahrscheinlich, dass die neuen Möglichkeiten zur quantitativen Analyse noch weitere Faktoren ans Tageslicht bringen, die die Aussprachevariation beeinflussen. Das vorliegende Projekt hat zum Ziel die grammatikalischen Bedingungen für das Auftreten von phonetischen Prozessen in Spontansprache mit Hilfe von quantitativen Methoden zu bestimmen und dieses erlangte Wissen zu verwenden um einen automatischen Spracherkenner zu verbessern. Die meisten Spracherkenner behandeln die akustischen und sprachstrukturellen Eigenschaften unabhängig voneinander. Im Rahmen dieses Projektes soll untersucht werden, ob sich diese Systeme verbessern, wenn sie die Wechselwirkungen zwischen diesen Ebenen mitberücksichtigen ("cross-layer"). Für diese Untersuchungen wird niederländisches und österreichisches Sprachmaterial herangezogen um sprachspezifische von sprachübergreifenden Phänomenen zu differenzieren. Sowohl das erstellte Sprachmaterial als auch die Softwareprogramme zur automatischen phonetischen und morpho- syntaktischen Transkription, die im Rahmen dieses Projektes entwickelt würden, stünden zukünftigen sprachwissenschaftlichen und technischen Studien zur Verfügung.

Systeme zur automatischen Spracherkennung wurden ursprünglich so entwickelt, dass sie mit sorgfältig artikulierter Sprache umgehen können. Die meisten Anwendungen von automatischen Spracherkennern erfordern jedoch die Erkennung von Spontansprache (z.B. Spracheingabehilfsmittel für körperlich Behinderte, medizinische Diktiersysteme, Sprachdialogsysteme etc.). Im Vergleich zu gelesener Sprache unterscheidet sich die Spontansprache unter anderem durch eine hohe Frequenz von Äußerungen, die als "ungrammatikalisch" erachtet werden könnten und das Auftreten von Reformulierungen und Wortwiederholungen wie z.B. in ...hmm, naja..ich glaube, weisst eh... Weiters ist ein viel höheres Maß an Aussprachevariation zu beobachten, wobei die Variation von Faktoren wie regionaler Herkunft, Sprachsituation und Worthäufigkeit abhängt. Das häufig vorkommende Wort haben wird z.B. in alltäglichen, informellen Situationen eher als ham ausgesprochen.Das Ziel dieses Projektes war es, interdisziplinäre Methoden (linguistische, phonetische und sprach-technologische) für die Modellierung der Faktoren für Aussprachevariation zu entwickeln und so Spracherkenner für Spontansprache zu verbessern. Zu Beginn des Projektes erstellten wir die erste große Sprachdatenbank für gesprochenes österreichisches Deutsch. Diese ist reich an Aussprachevariation da sie 1900 Minuten an gelesenen Sätzen, kurzen spontanen Kommandos und spontanen Gesprächen von 38 Sprechern aus 5 Bundesländern beinhaltet. Sowohl die Datenbank als auch die entwickelten Methoden zu deren Annotation stehen nun auch anderen Forschern zur Verfügung. In weiterer Folge, haben wir die Faktoren für die Aussprachevariation anhand der erstellten österreichischen Datenbank und bereits Existierender für Deutsch und Niederländisch untersucht. Eines der Untersuchungsergebnisse war, dass die morphologischen Eigenschaften und die grammatikalische Funktion der Wörter ihre Aussprache beeinflusst. Z.B.: Das Wort der wird in spontaner Sprache unterschiedlich ausgesprochen, je nachdem ob es im Satz als Artikel, Relativpronomen oder Demonstrativpronomen fungiert. Dieses und weitere phonetische Untersuchungsergebnisse werden verwendet um einen Spracherkenner zu verbessern. Unsere Arbeit zeigt jedoch nicht lediglich neue Methoden zur Verbesserung dieser Systeme, sie vermittelt einen Perspektivenwechsel: Bisher wurde die Aussprachevariation in der Spontansprache als Problem für die automatische Spracherkennung gesehen. Wir hingegen sehen sie als bedeutungstragende Ressource, die die gelesene Sprache nicht beinhaltet. Dieser Perspektivenwechsel wird unsere zukünftigen Forschungspläne leiten.