2.6 Habla Espontánea

Cuando una persona dicta a un sistema de reconocimiento (sistema de dictado) su objetivo es comunicarle las palabras en sí mismas, preocupándose más de enunciar con cuidado e interesándose más sobre cómo se están produciendo las palabras. Sin embargo, cuando su intención es resolver un problema de forma interactiva, el objetivo no es o no debería ser el habla en sí misma, sino el problema que se quiere resolver. Por tanto, el habla es producida menos cuidadosamente y de forma más espontánea, más casual. Existe más variabilidad en todo el proceso, borrando o reduciendo ciertos segmentos y sílabas, y formas gramaticales “no estándar” son pronunciadas con mayor frecuencia (interjecciones, dudas, repeticiones, falsos comienzos, etc.).

Principalmente, las variaciones típicas [PRI90] del habla espontánea podrían resumirse en los siguientes casos:

• Variaciones fonológicas, es decir, formas alternativas y efectos al pronunciar una palabra. Existen variaciones más o menos regladas en cada lengua, respondiendo a condicionantes geográficos o culturales, que pueden tenerse en cuenta al generar los modelos o patrones acústicos. Sin embargo, algunos otros efectos son debidos a la propia espontaneidad del habla generada, a la producción de habla condicionada por la intención de resolver un problema interactuando con un sistema sin preocuparnos por el hecho de cómo le estamos hablando al mismo, es decir, más preocupados de transmitirle el contenido o la información sobre el problema que cómo se la estamos comunicando.
• Variaciones Gramaticales, es decir, la producción de formas gramaticales no estándar. Al hablar de forma espontánea, teniendo que pensar en cómo transmitimos la información sobre el problema al mismo tiempo que lo hacemos, genera formas que no pertenecen a la frase en sí, efectos propios del hecho de pensar al tiempo que hablamos. Inclusión de interjecciones, la producción de falsos comienzos, expresiones hechas, pausas, suspiros, respiración, etc.,  acompañan a la frase en sí. Incluso en dominios restringidos la interpretación correcta de una frase es algo complicado. Por tanto, parece razonable y útil permitir algo de flexibilidad en las restricciones impuestas por la gramática, con la contrapartida de necesitar sistemas de reconocimiento mejores y más eficientes para compensar la relajación sufrida por el módulo gramatical.
• Anáfora, con referentes omitidos en la frase que se encuentran en frases anteriores (historia). A veces, para transmitir la información sobre el problema a resolver el usuario no envía toda la información necesaria empleando una sola frase sino varias. Un módulo de diálogo puede encargarse de interactuar con el usuario para conseguir toda la información y completarla antes de procesar o ejecutar la interpretación de la misma.

Para el desarrollo del sistema de comprensión de habla que se ha desarrollado y evaluado en el marco de esta tesis, se han considerado parcialmente estos efectos. El motivo es la utilización de una base de datos de habla leída que no incorpora falsos comienzos, interjecciones, repeticiones, etc. Sin embargo, el sistema de comprensión cuenta, de algún modo, con un mecanismo de robustez (un concepto BASURA) capaz de tratar (absorber) algunos de ellos en el caso de que apareciesen. Además, se ha estudiado el modelado de palabras compuestas con un solo modelo o con varios, con la inclusión de un modelo de pausa o no entre las palabras, con el fin de mejorar el módulo acústico. Para ello, nos hemos basado en el hecho de que un locutor, suele pronunciar como si de una sola palabra se tratase, las palabras compuestas, locuciones, etc., sin realizar ninguna pausa entre ellas o introduciendo, como mucho, pequeñas pausas.

Anterior   I  Siguiente   I  Índice capítulo 2   I   Índice General