Bei der Bewertung der Aussprache von Phonemen wird ein Mehrklassenklassifikationsproblem gelöst. Jedes Phonem entspricht einer eigenen Klasse, und das Modell muss bestimmen, zu welcher Klasse das jeweilige Klangfragment gehört. Es wird häufig ein Ansatz mit akustischen Merkmalen (MFCC, Spektrogramme) und neuronalen Netzen (z.B. Convolutional oder Recurrent) verwendet, die das Audiosignal nach Phonemen klassifizieren.

Zurück Als nächstes