Wortwahl; Hintergrundgeräusche - elv FS20 Bedienungsanleitung

lich als Kommando erkannt werden. Deshalb muss eine Spracherkennung immer eine gewisse
Toleranz aufweisen, innerhalb derer ein Wort noch akzeptiert wird, und außerhalb derer ein Wort
zurückgewiesen wird. Die Toleranz der Spracherkennung wurde so gewählt, dass sie unter den
meisten Umständen sehr gut funktioniert. Es wird aber immer wieder Situationen geben, wo ein
Wort nicht erkannt wird, oder irrtümlich als Kommandowort interpretiert wird.

7.1.2. Wortwahl

Eine entscheidende Rolle bei der Spracherkennung stellt die Auswahl geeigneter Wörter dar. Der
FS20 SS orientiert sich bei der Erkennung an markanten Strukturen innerhalb der Wörter. Dies ist
vor allem die so genannte Melodie eines Wortes, d. h. die Abfolge, der Klang und die Tonhöhe
der Vokale (a, e, i, o, u), die Position von Konsonanten (z. B. p, t, s, usw.) und die Intonation des
Wortes (ansteigend, abfallend oder gleich bleibend). Kurze, einsilbige Wörter beinhalten natürlich
viel weniger Informationen als mehrsilbige Wörter. Dazu kommt, dass es zu einsilbigen Wörtern
viel mehr ähnlich klingende Wörter im täglichen Sprachgebrauch gibt, als das bei den meisten
mehrsilbigen Wörtern der Fall ist.
Nehmen wir beispielsweise das Wort „Licht". Dies ist kein gutes Kommandowort für einen Licht-
schalter, denn zu viele ähnliche Wörter bergen die Gefahr einer Fehlerkennung (Nicht, Sicht, Pflicht,
aber auch Mich, Dich, usw.). Stattdessen sollten Sie Wörter verwenden wie z. B. „Beleuchtung",
„Deckenlampe" oder „Wandfluter". Das Triggerwort kann sogar aus einer Kombination mehrerer
Wörter bestehen, vorausgesetzt, die Wörter werden fließend ohne längere Pause gesprochen.
Die besten Ergebnisse werden Sie mit Wörtern erzielen, die eine Gesamtlänge von 3 bis 6 Silben
haben. Wählen Sie Wörter aus, die eine markante Wortmelodie haben, am besten solche, in denen
mehrere unterschiedliche Vokale und einige harte Konsonanten (wie t, v, x, k, usw.) vorkommen.
„Aprikose" hat zum Beispiel eine ausgeprägte Wortmelodie, wohingegen „Rhabarber" nur wenige,
markante Strukturen enthält. Frikative und Plosive (s, t, p, k) hören sich bei allen Menschen sehr
ähnlich an, während Vokale sehr individuell für die Stimme einer Person sind. Bei Wörtern mit
wenig ausgeprägten Vokalen, wie z. B. „Stress" erhöht sich die Wahrscheinlichkeit, dass das
Wort auch von anderen Sprechern als dem, der das Training durchgeführt hat, akzeptiert wird,
und auch die Empfindlichkeit auf Umgebungsgeräusche wird verstärkt.
Der FS20 SS vergleicht Klangmuster miteinender. Halten Sie sich das bei Training und späterer
Verwendung stets vor Augen: die Erkennung funktioniert dann am besten, wenn Sprechweise
und Betonung beim Training und bei der Erkennung möglichst identisch sind. Es bringt überhaupt
nichts, wenn Sie versuchen, die Betonung eines Wortes zu verändern oder in wesentlich anderer
Lautstärke zu sprechen, als es trainiert wurde.
7.1.3. Hintergrundgeräusche
Jede Spracherkennung funktioniert am besten in ruhigen Räumen ohne Nebengeräusche. In
der Praxis gibt es aber meistens mehr oder weniger laute Hintergrundgeräusche, die natürlich
vom Mikrofon genauso aufgenommen werden wie die Sprache des Benutzers. Hierbei gilt die
Regel, dass gleichförmige Geräusche wie das Rauschen eines Lüfters die Spracherkennung
weitaus weniger stören als ungleichförmige Geräusche, wie z. B. Stimmen im Hintergrund,
Musik oder auch das Ticken von Uhren, das häufig gar nicht mehr bewusst wahrgenommen
wird. Die FS20-Spracherkennung ist relativ unempfindlich gegenüber Hintergrundgeräuschen,
aber auch ihr sind natürlich Grenzen gesetzt, insbesondere bei sehr großer Entfernung zwi-
schen Sprecher und Mikrofon.
Für das Training des FS20 SS sollten Hintergrundgeräusche immer so weit wie möglich reduziert
werden. Im Erkennungsmodus berücksichtigt der FS20-Sprachsensor den Hintergrundgeräusch-
0