Dynamic language models for hybrid speech recognition

Abstract

This thesis introduces a technique for hybrid speech recognition. It can be used for client-server based speech recognition on smartphones or car head-units. The speech recognizer is based on weighted finite-state transducers. It uses a decoding technique for nested transducers. This allows the use of dynamic language models which combines grammars and statistical n-gam models. The technique can be used for speech recognition on multiple devices. It also enables the recognition of privacy protected data e.g. contact names from a user’s address book.

In dieser Arbeit wird eine Technik für hybride Spracherkennung vorgestellt. Diese wird verwendet für Client-Server basierte Spracherkennung und findet Anwendung auf Smartphones oder in Auto Infotainment Systemen. Die Technik verwendet gewichtete Transduktoren welche auch ineinander verschachtelt decodiert werden können. Das ermöglicht die Nutzung von dynamischen Sprachmodellen. Diese kombinieren Grammatiken und statistische Modelle. Die Technik erlaubt eine Spracherkennung auf mehreren Geräten. So können auch sensiblen Daten zur Erkennung herangezogen werden, wie z.B. die Namen aus dem persönlichem Adressbuch.