Van deze tekst verschijnt binnenkort een update

Dat mensen spraak kunnen ontcijferen, is niet zo vanzelfsprekend als op het eerste gezicht lijkt. Want waar woorden in geschreven taal gescheiden worden door spaties, gebruiken we in gesproken taal geen pauzes tussen de woorden die we uitspreken. Een zin als Ik heb het formulier van de verzekeringsmaatschappij ingevuld klinkt in gesproken taal ongeveer als: keputformelierfandefesekringsmaatschepijingevult. Zoals je ziet worden ook lang niet alle klanken volledig uitgesproken.

Spraakherkenning door de mens

Tijdens het luisteren bepalen we dus de woordgrenzen en herleiden we de onvolledig uitgesproken woorden tot hun officiële vorm. Dat kunnen we doordat we gebruikmaken van onze woordkennis en onze kennis over zinsbouw. Beide helpen ons om te ‘voorspellen’ welke woorden (en woordsoorten) we zouden kunnen horen. Bovendien zetten we onze kennis van de wereld in, of nog beter: onze kennis over het gespreksonderwerp. Stel dat we in de geluidsstroom van de voorbeeldzin zijn aangekomen bij verzekeringsmaats, dan weten we dat er alleen nog chap of chappij kan komen. De kans op chap (verzekeringsmaatschap) is niet zo heel erg groot omdat dat woord nu eenmaal weinig gebruikt wordt (4300 keer op Google) en dus ligt verzekeringsmaatschappij (175.000 keer op Google) veel meer voor de hand. Door gebruik te maken van dit soort verwachtingen, ‘weten’ we eigenlijk al voordat de spreker is uitgesproken welk woord er volgt. We kunnen daarop anticiperen en horen als het ware een pauze na het woord verzekeringsmaatschappij. Hoe beter we een taal kennen en hoe meer we weten over het onderwerp waarover gesproken wordt, des te beter kunnen we dus voorspellen welke woorden er zullen komen.

Spraakherkenning door de computer

Automatische Spraakherkenning werkt deels op dezelfde manier als menselijke spraakherkenning: de computer verdeelt eerst het spraaksignaal in elkaar overlappende tijdsintervallen. Vervolgens wordt van elk tijdsinterval het spectrum berekend. Dat is de verzameling van de verschillende tonen met elk hun eigen trillingssterkte (amplitude). Daarna voert de computer een aantal berekeningen uit zodat het spectrum vergeleken kan worden met alle opgeslagen gegevens die horen bij de verschillende klanken. De klank die er het meest op lijkt, wordt vervolgens aan het tijdsinterval toegekend. En dan wordt het volgende interval van tien milliseconden geanalyseerd, enzovoort. Voor iedere tien milliseconden is er een schatting van de klank die op dat moment werd uitgesproken. Met die opeenvolgende klanken berekent de computer vervolgens de mogelijke woorden. Zeker omdat woorden bijna nooit precies zo worden uitgesproken als officieel zou moeten, en omdat niet duidelijk is waar het ene woord eindigt en het volgende begint, is het zoeken van de woorden die bij een reeks opeenvolgende klanken horen voor een computer geen eenvoudige klus.

Vaste grammaticaherkenning

Er zijn simpel gezegd twee manieren om met een computer spraak te herkennen. De eerste manier maakt gebruik van een vaste ‘grammatica’ waarbij de ontwerper van het programma bepaalt welke woorden op welk moment herkend kunnen worden. De tweede manier is via de ‘groot vocabulaire spraakherkenning’ waarmee in principe alles herkend moet kunnen worden. Bij de ‘vaste grammaticaherkenning’ ligt vooraf vast wat voor soort teksten mensen mogen inspreken. Dit soort systemen wordt vooral veel gebruikt wanneer duidelijk is wat de gebruiker wil. Een bekend voorbeeld is het treininformatiesysteem. Je kunt er inspreken waar je naartoe wilt en hoe laat (‘Morgenochtend om tien uur van Utrecht naar Enschede’). Het gaat dan om een ‘eindig’ aantal mogelijkheden. De computer zet de ingesproken boodschap om in zogenaamde grammaticaregels. Zo’n regel is opgebouwd uit identifiers (de woorden tussen vishaken):

<datum> om <tijd> van <station> naar <station> van <station> naar <station> <datum> om <tijd> naar <station> [vanaf|vanuit] <station> <datum> om <tijd>

Voor de identifier <station> verwacht de spraakherkenner één van de 390 Nederlandse stations. Voor de identifier <tijd> en <datum> één van de mogelijke Nederlandse tijdsaanduidingen (8 uur 15, kwart over acht) en datumaanduidingen (morgen, volgende week maandag, tweede paasdag, etcetera).

Spraakherkenning met vaste grammatica’s wordt vooral toegepast bij relatief eenvoudige, geautomatiseerde dienstverlening over de telefoon. Maar ook de nieuwste TomTom-apparaten maken er gebruik van. Een voorwaarde is dat de gebruiker weet wat hij moet zeggen. Voor minder specifieke vragen, zoals: ‘Ik wil naar de Veluwe om te wandelen’ is deze spraakherkenning niet geschikt.

Groot Vocabulaire Spraakherkenning

Stel, je wilt een interview met je lievelingsschrijver terugkijken in De Wereld Draait Door. Je weet alleen niet op welke dag het is uitgezonden. Op internet vind je een archief met alle uitzendingen van het afgelopen jaar. Het handigst is het als je alleen de naam van je lievelingsschrijver hoeft in te spreken om de computer te laten zoeken. Voor zo’n zoekactie zou Groot Vocabulaire Spraakherkenning (GVSH) geschikt zijn. Bij GVSH ligt niet vooraf vast wat de gebruikers kunnen inspreken, maar moet alles dat gezegd wordt, herkend kunnen worden. De meeste spraakherkenners van dit type kunnen zo’n 64.000 verschillende woorden herkennen. De vraag is dan natuurlijk wélke 64.000 woorden, want het Nederlands heeft er veel meer.

GVSH maakt gebruik van een statistisch taalmodel. Dat is een model dat de kans berekent dat Woord-A gevolgd wordt door Woord-B (bigram), of dat Woord-A + Woord-B gevolgd worden door Woord-C (trigram). Zulke bi-, tri, quatro- en zelfs pentagrammen worden berekend met behulp van enorme hoeveelheden tekst. Zo werden aan de Universiteit Twente tien jaargangen kranten (de Volkskrant, NRC, Trouw en AD) ingevoerd om de kansen van de verschillende bi- en trigrammen te berekenen. Een voorbeeld: na de woorden ik eet kunnen er verschillende woorden volgen, zoals kaas, vlees, boterhammen etc. Ook melk of koffie zouden grammaticaal correct zijn, maar de kans dat ze volgen op ik eet is niet heel erg groot. Helemaal onwaarschijnlijk zijn woorden als voordeur, kerkklok of Klaas. Wanneer de spraakherkenner nu na ik eet als volgende mogelijke woorden heeft gevonden: Klaas, gaas, kaas en haas, zal het statistisch model kaas op 1 zetten. Immers, de kans op ik eet kaas is vele malen groter dan ik eet Klaas of ik eet gaas.

Nadeel van het werken met deze taalmodellen is dat het nogal wat computergeheugen vraagt: met 64.000 mogelijke woorden kun je 64.0003 = 262.144 miljard combinaties maken. Een ander nadeel is dat een taalmodel afhankelijk is van het gespreksonderwerp. Het taalmodel dat gemaakt werd met de kranten past het best bij gesprekken over het algemene nieuws, maar is minder geschikt voor spraakherkenning in een discussie tussen economen over de bankencrisis in Europa.

Dicteren

Terug naar de beginvraag. Is het mogelijk om een tekst te dicteren op zo’n manier dat de computer hem met zo min mogelijk fouten ‘opschrijft’? Ja dat kan. Wél moet je het systeem goed trainen met je eigen stem en je beperken tot inhoudelijk gelijksoortige documenten.

Het trainen met de eigen stem is nodig om de computer te leren hoe de spreker de verschillende klanken uitspreekt. Een Tukker spreekt de o van Almelo nu eenmaal anders uit dan een Amsterdammer. Daarom krijgt de gebruiker eerst een aantal standaardteksten op het scherm die hij moet voorlezen. De computer kan dan de klankherkenning aanpassen.

De beperking tot inhoudelijk gelijksoortige documenten is nodig om het taalmodel eenvoudig te houden. Dan werkt het beter en vlotter. Wie zowel de notulen van de hockeyclubvergaderingen wil dicteren, als rapporten over de financiële crisis, moet daarom twee profielen aanmaken. Goed getrainde sprekers die zich aan de randvoorwaarden houden, kunnen meer dan 96 procent scoren: van alle honderd uitgesproken woorden, worden er minder dan vier fout herkend.

Lees meer

Lees verder op Kennislink:

• Een goed gesprek met je computer
• Het luisterend oor van de computer
• Spraaktechnologie fixt de helpdesk
• Automatisch vertalen
• Hoe kan je spraakopnames doorzoeken?