Intelligentes, spielorientiertes Crowdsourcing für Audioverarbeitung

Abstract

Heutige Sprachassistenzsysteme sind ein fester Bestandteil unseres modernen Lebens. Der Erfolg dieser Technologien ist jedoch maßgeblich auf die Menge und Qualität der annotierten Trainingsdaten zurückzuführen. Dafür ist eine große Anzahl an Sprechern und Annotatoren erforderlich, und zudem erhebliche Investitionen notwendig, um diese Datenressourcen zu strukturieren und zu annotieren. Die Verfahren zur Datenerstellung sind kostspielig, zeitaufwendig und mühsam, so dass derzeit qualitativ hochwertig annotierte Daten knapp sind. In dieser Arbeit wird daher eine intelligente, Crowdsourcing-basierte Plattform mit Spielelementen und innovativen maschinellen Lernalgorithmen für die Datensammlung und Annotation vorgestellt. Es wurden diverse Audiodaten gesammelt und die Plattform in einer Vielzahl von Klassifikations- und Spracherkennungsstudien sowie mittels Perzeptionsstudien evaluiert. Durch die eingeführten Verfahren kann künftig die Audiodatenerfassung in erheblichem Maße beschleunigt sowie kostengünstiger und zuverlässiger durchgeführt werden.