El marco que se utiliza para la clasificación es una prueba de hipótesis estadística. Se puede aplicar un clasificador Naive Bayes para seleccionar el mejor acento coincidente.
Un clasificador Naive Bayes incorpora información sobre estadísticos previos en las clases objetivo, así como las características presentes en cada ejemplo. Un ejemplo de prueba se clasifica asignándolo a la clase calculada como más probable que tenga
lo produjo El acento se identifica por lo siguiente:
accent = argmax P(accent) P(speech chunk | accent)
- ¿Te gustan los robots?
- ¿Los personajes de IA en los videojuegos 'ven y escuchan' dónde estás o 'saben' dónde estás?
- ¿Qué hace que una neurona aprenda? Si no lo sabemos, ¿alguna vez será posible averiguarlo?
- Si los científicos pudieran dotar a la IA de autoconciencia algún día, ¿la clase dominante prohibirá o demolerá este tipo de tecnología?
- ¿Cuán relevantes son los temas de la web semántica y la recuperación de información para el aprendizaje automático?
La probabilidad condicional P (fragmento de voz | acento) podría calcularse mediante diferentes aproximaciones. Una de las formas posibles es usar reconocedores de voz específicos de acento y usar sus puntajes para aproximar la probabilidad requerida. Otras formas de calcular esta probabilidad pueden ser los puntajes telefónicos, varios clasificadores de características acústicas y combinaciones de ellos. En la mayoría de los casos, debe entrenar a esos clasificadores con algoritmos de aprendizaje automático utilizando los datos acentuados para todos los acentos que desea identificar. Se podría usar SVM, GMM o HMM para la clasificación.
Para obtener más información sobre los métodos modernos de identificación de acento, puede leer los documentos:
Mejora de la identificación del acento a través del conocimiento de la estructura silábica en inglés
http://citeseerx.ist.psu.edu/vie…
Identificación de acento basada en hipótesis.
http://www.cs.cmu.edu/~laura/Pap…
Identificación automática del acento utilizando modelos de mezcla gaussiana (2001)
http://citeseerx.ist.psu.edu/vie…
