بازشناسی گفتار

کاهش از جمله فرایندهای آوایی است که برای سیستم های بازشناسی گفتار یک چالش محسوب می شود. ازجمله این موارد، کاهش ارقام تلفنی مانند ""دو-نه""، ""هفت-هشت"" و ""سه-صفر"" است. تجزیه و تحلیل آوایی سیگنال های تلفنی /sefr/-/se/ نشان می دهد که هر چند با حذف /r/ تمایز [sef]-[se] کاهش می یابد اما سرنخ های آکوستیکی باقی مانده در واکه /e/ ، همانند دیرش واکه و بسامد کانونی سازه های F2 و F3 ، تقابل واجی فوق را انتقال می دهند. استفاده از این سرنخ های آکوستیکی در بازشناسی گفتار، می تواند به بازیابی صورت های کاهش یافته کمک کند.

شنونده برای دست یابی به مرز واژه ها در گفتار پیوسته از الگوهای مختلف زبان شناختی مانند الگوهای واجی، صرفی-نحوی، معنایی و موارد مشابه استفاده می کند. بر مبنای فرضیه تقطیع عروضی، در صورت نبود منابع اطلاعاتی زبان شناختی، شنونده فقط به تغییرات نوایی برای بازشناسی مرز واژگانی تکیه می کند. در این پژوهش، برای ارزیابی میزان اعتبار فرضیه تقطیع عروضی، یک آزمایش ادراکی انجام دادیم تا فارسی زبانان بومی، واژگان طبیعی فارسی را از زنجیره های آواییِ بی معنا (ناواژه ها) بازیابی کنند. یافته های به دست آمده با تأیید فرضیه تقطیع عروضی نشان داد تکیه در بازشناسی واژگان فارسی از گفتار پیوسته نقش به سزایی دارد زیرا شنونده ها واژگان معنادار فارسی را از ناواژه های تکیه-پایانی نسبت به ناواژه های تکیه-آغازی و تکیه-میانی با سطح اطمینان بالاتر و در مدت زمان کوتاه تری تشخیص می دهند. همچنین، هر اندازه الگوی تکیه ناواژه ها با الگوی توزیع تکیه در واژگان طبیعی فارسی هماهنگ تر باشد، سطح اطمینان پاسخ های شناسایی بالاتر و سرعت پردازش ادراکی واژگان سریع تر است. در مقابل، هر اندازه تکیه ناواژه ها با الگوی تکیه واژگانِ طبیعیِ فارسی ناهماهنگ تر باشد، سطح اطمینان پاسخ ها پائین تر و مدت زمان واکنش شنونده ها کندتر است.