fa پایه‌گذاری بستری نو و کارآمد در حوزه بازشناسی گفتار فارسی مقالات پردازش گفتار Paper پژوهشي Research <p style="text-align: justify;"><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">برخلاف پیشینۀ سی‌سالۀ پژوهش در حوزۀ بازشناسی گفتار فارسی در ایران و دست‌یافتن به پیشرفت‌های در خور توجه، نتایج عمده کارهای انجام‌شده به‌دلیل عدم وجود بستر یکسان، قابل مقایسه و ارزیابی دقیق نیستند. بستر بیش‌تر شامل سامانۀ بازشناسی و دادگان با تعریف مشخص مجموعه‌های آموزش، توسعه و ارزیابی است. سامانۀ متن‌باز کلدی با وجود نوظهور‌بودن آن ویژگی‌های منحصر‌به‌فردی دارد که در سال‌های اخیر مورد توجه اکثر آزمایشگاه‌های تراز نخست پردازش گفتار دنیا قرار گرفته است و با لحاظ همه جوانب، &nbsp;بهترین انتخاب موجود در راستای پایه‌گذاری این بستر برای تمامی زبان‌ها از جمله زبان فارسی است. در این مقاله پس از بررسی خصوصیات، توانمندی‌ها و اجزای مختلف نرم‌افراز کلدی؛ دادگان فارس‌دات را به‌دلیل ثبت رسمی و قابل دسترس‌بودن آن برای همگان از سراسر دنیا به‌عنوان بخش دیگر این بستر انتخاب کرده و به تأسی از انتخاب انجام‌شده بر روی دادگان </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:8.0pt;">TIMIT</span></span></span></strong> <strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">به تعریف مجموعه‌های آموزش، توسعه و ارزیابی می‌پردازیم. در‌نهایت بیش‌تر قریب به اتفاق تکنیک‌ها و روش‌های موجود در کلدی بر روی دادگان فارس‌دات، مطابق تعریف صورت گرفته، مورد آزمایش قرار گرفته‌اند. </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">بهترین میزان خطای حاصل در بازشناسی واج برای مجموعه توسعه 3/20 درصد و برای مجموعه آزمون 8/19 بوده است. دسترسی به کدهای نوشته در جهت فراهم‌سازی این بستر، در نرم‌افزار کلدی موجود است که با توجه به متن‌باز‌بودن آن، دسترسی به آنها به‌منظور &nbsp;بازسازی نتایج آمده در این مقاله در‌صورت در‌اختیارداشتن دادگان فارس‌دات به‌راحتی قابل انجام است.</span></span></strong></p> <div style="text-align: justify;"><strong>Although researches in the field of Persian speech recognition &nbsp;claim&nbsp; a&nbsp; thirty-year-old &nbsp;history in Iran &nbsp;which has achieved considerable progresses, due to the lack of well-defined experimental framework, outcomes from many of these researches are not comparable to each other and their accurate assessment won&rsquo;t be possible. The experimental framework includes ASR toolkit and speech database which consists of training, development and test datasets. In recent years, &nbsp;&nbsp;as a state-of-the-art open-source ASR toolkit; Kaldi has been very well-received and welcomed in the community of the world-ranked speech researchers around the world. considering all aspects, Kaldi is the best option among all of the other ASR toolkits to establish a framework to do research in all languages, including Persian. </strong><br> <strong>In this paper, we chose Fardat as the speech database which is the counterpart of TIMIT for Persian language because not only it has got a standard form &nbsp;but it&rsquo;s also accessible for all researchers around the world. Similar to the recipe on TIMIT database, we defined these three sets on the Farsdat: Training, Development and Test sets. After a survey on Kaldi&rsquo;s components and features, we applied most of state-of-the-art ASR techniques in the Kaldi on the Farsdat based on three sets definition. The best phone error rate on development and test set have been 20.3% and 19.8%. All of the codes and the recipe that was written by author have been submitted to Kaldi repository and they are accessible &nbsp;for free, so all the reported results &nbsp;will be easily replicable if you have access to Farsdat database.</strong></div> بازشناسی گفتار پیوسته فارسی, دادگان فارس دات, نرم‌افزار متن‌باز کلدی. Persian Continuous Speech Recognition, FarsDat Database, Kaldi Toolkit 51 62 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-554-1&slc_lang=fa&sid=1 Bagher BabaAli باقر باباعلی bagher.babaali@gmail.com 10031947532846004844 10031947532846004844 Yes University of Tehran دانشگاه تهران