@InProceedings{Schnell2004_513,
author = {Markus Schnell},
booktitle = {Studientexte zur Sprachkommunikation: Elektronische Sprachsignalverarbeitung 2004},
title = {Verstärkungslernen zur Prosodievorhersage in einem Sprachproduktionssystem},
year = {2004},
editor = {Klaus Fellbaum},
month = mar,
pages = {140--147},
publisher = {TUDpress, Dresden},
abstract = {Text-to-Speech-Systeme werden neben dem Vorlesen von Zeitungsartikeln,
E-Mail oder Internetseiten auch für die Versprachlichung von Daten aus Datenbanken
oder in Dialogsystemen eingesetzt. In diesen Fällen erzeugt der Computer
nicht nur das Sprachsignal, sondern auch den zugrundeliegenden Text. Dies
bietet die Möglichkeit die Prosodie deutlich zu verbessern, da man den in der Zwischenstufe erzeugten Text mit Markierungen zu Akzentuierung und Phrasierung
versehen kann. Solche Systeme zur Sprachproduktion, auch Concept-to-Speech genannt,
waren bisher reine Expertensysteme, das heisst, die Regeln zur Prosodieerzeugung
wurden manuell kodiert. Der vorliegende Artikel verfolgt einen anderen
Ansatz. Anstatt die Regeln manuell einzugeben, werden sie mit einem maschinellen
Lernverfahren gelernt. Bei dem eingesetzten Verfahren handelt es sich um das
Verstärkungslernen (reinforcement learning). Beim Verstärkungslernen wird nach
jeder Aktion des Systems eine Bewertung der aktuellen Situation vorgenommen.
Aus der Gesamtbewertung erschließt das Lernsystem die Anteile der einzelnen Aktionen
am Erfolg bzw. Misserfolg, und passt seine Strategie entsprechend an. Um
das Verfahren zu demonstrieren wird das Concept-to-Speech-System Demosthenes
vorgestellt, das auf dem Text-to-Speech-System DRESS beruht. Der Artikel
erläutert insbesondere die Anwendung des Verstärkungslernens in der Prosodiekomponente des Systems. Ein Präferenztest zeigt eine deutliche Bevorzugung der Prosodie des Concept-to-Speech-Systems gegenüber dem Text-to-Speech-System.},
isbn = {978-3-937672-65-6},
issn = {0940-6832},
keywords = {Sprachsynthese},
url = {https://www.essv.de/pdf/2004_140_147.pdf},
}