Comparación de técnicas de parametrización espectral para reconocimiento de voz en idioma español

Abstract

En este artículo, se presenta una comparación de las técnicas clásicas de parametrización; Codificación Predictiva Lineal (LPC) y Coeficientes Cepstrales de Frecuencias-Mel (MFCC), implementadas en la etapa de extracción de características en los Sistemas de Reconocimiento Automático de Voz (SRAV) para obtener los coeficientes que mejor caractericen la señal de voz. Las señales de voz se muestrearon a 8 y 16kHz y se varió el número de coeficientes característicos (8-12 para 8kHz y 16-24 para 16kHz) para encontrar la configuración que brinde la mayor tasa de reconocimiento y el menor consumo de recursos (tiempo y cálculo). En la etapa de modelado se usó la técnica Modelos Ocultos de Markov (HMM). La técnica de parametrización MFCC presentó una tasa de reconocimiento superior que la técnica LPC bajo las mismas condiciones, obteniendo tasas de reconocimiento de hasta 99.66%.