Amélioration des Performances des Systèmes Automatiques de Reconnaissance de la Parole pour la Parole Non Native

Résumé Dans cet article nous décrivons une approche pour la reconnaissance automatique de la parole (RAP) non native. Nous proposons deux méthodes pour l’adaptation d’un système de reconnaissance automatique de la parole (SRAP) existant. La première se base sur la modification des modèles acoustiques par l’intègration des modèles de la langue maternelle (LM). Les phonèmes de la langue parlée (LP) sont prononcés d’une manière proche des phonèmes de la LM du locuteur. Nous proposons de “fusionner” les modèles de ces phonèmes confondus de manière à ce que le système puisse reconnaitre les deux prononciations concurrentes. La deuxième approche que nous proposons une détection d’erreurs de prononciation plus précises en introduisant des contraintes graphémiques à ce processus. En effet, certaines réalisations phonétiques non natives sont fortement guidées par la graphie des mots. Les améliorations de performances du SRAP adapté selon notre approche sont en moyenne de 22.5% en taux de phrases correctes et 34.5% en taux de mots corrects.