Implémentation d`un système de reconnaissance de la parole sur un

1
Rapport de TER
Implémentation d’un système de
reconnaissance de la parole sur un processeur
embarqué
Alexandre Aminot, 11 mai 2011
Résumé—Ce rapport décrit les travaux
que j’ai réalisés lors de mon Travail Encadré
de Recherche (TER). Après avoir présenté
le contexte de cette étude, je présente les
différents problèmes que j’ai rencontrés ainsi
que les résultats obtenus. Ces derniers sont
plutôt positifs car j’ai pu implémenter et
mettre en œuvre un système de reconnaissance de la parole sur le système embarqué
prévu.
actuellement le produit e-lio qui dispose d’un
microphone à liaison Blutooth. L’acquisition
du signal de parole par le dispositif e-lio en
vue de la reconnaissance n’a pas été validée
par GETALP. L’objectif qu’il m’a été donné
est de faire un test de faisabilité de cette
acquisition et de la coupler sur e-lio avec un
système de reconnaissance de la parole que je
devais installer.
Mon travail de recherche s’est déroulé dans
le cadre du projet Sweet-Home[1] conduit par
Michel Vacher au sein de l’équipe GETALP du
Laboratoire d’Informatique de Grenoble (LIG).
Ce travail concerne l’analyse des sons et de
la parole et est en rapport avec l’aide aux
personnes âgées seules à domicile. L’un des buts
de ce projet est d’améliorer les systèmes domotiques actuels par l’ajout de fonctionnalités
d’interaction plus naturelles entre l’utilisateur
et son environnement. La reconnaissance de la
parole apparaît comme la modalité d’interaction naturelle pour ce genre d’application. Les
précédents travaux entrepris au sein de l’équipe
GETALP ont montré l’intérêt de l’information
audio pour la reconnaissance d’activités dans
un habitat intelligent. Cependant, pour une
évaluation puis une utilisation en milieu réel,
il sera nécessaire d’implanter les systèmes de
reconnaissance sur des processeurs légers embarqués.
Pour bien comprendre le contexte de mon
travail encadré de recherche, je vulgarise les
notions utilisées pour faire de la reconnaissance
de parole puis j’explique le logiciel utilisé et
le système e-lio. J’explique ensuite le travail
réalisé en vous présentant la procédure que j’ai
suivie et les résultats de chaque étape. Enfin je
conclus sur les résultats de ma recherche et sur
mon TER.
Ces systèmes embarqués posent de
nombreuses contraintes notamment en ce
qui concerne la précision, les données et le
calcul. Cette étude est menée dans le cadre
d’une collaboration industrielle avec la société
TECHNOSENS. Cette société commercialise
I. Contexte
La reconnaissance de la parole est une discipline déjà ancienne. Voici quelques explications,
la parole est un son émis par le locuteur, c’est
à dire une variation de pression acoustique plus
ou moins rapide et plus ou moins forte qui est
captée par un microphone placé à proximité.
La source d’énergie utilisée pour produire les
sons est l’air contenu dans les poumons. Le flux
d’air sous pression parvient à travers la trachée
jusqu’au conduit vocal, aux fosses nasales, aux
organes d’articulation (langue, lèvres. . .) qui
vont avoir chacun leur rôle dans la production
de la parole. La parole captée par le microphone
est caractérisée par un spectre de fréquences
acoustiques qui couvre des fréquences allant de
50 Hz à 8 kHz environ suivant la personne
En effet, imaginez-vous demandant à votre
cafetière nouvelle génération un café court
sans sucre et que 10 minutes plus tard, elle
vous fasse un café long avec sucre. L’interprète
est mauvaise et le résultat est obtenu après un
retard important. L’interaction par la parole
serait peu intéressante.
qui parle. Les lignes téléphoniques classiques
qui coupent les fréquences plus basses que 300
Hz et plus hautes que 3,3 kHz modifient la
perception dans le cas des personnes ayant
une voix très grave ou très aiguë. Un exemple
est la figure 3, sur laquelle est affiché l’évolution du spectre lorsque le locuteur prononce
la phrase “Bonjour“. Les mots constituant une
phrase peuvent se décomposer en une succession de phonèmes qui constituent eux-mêmes
les sons élémentaires des mots. Les phonèmes
sont en général différents d’une langue à l’autre.
Chaque phonème est influencé par le phonème
qui le précède et par celui qui le suit, c’est le
phénomène de coarticulation. Les sons élémentaires de parole peuvent être classés en fonction
de trois variables essentielles : le voisement
(activité des cordes vocales), le mode d’articulation (type de mécanisme de production) et
le lieu d’articulation (endroit de resserrement
du conduit vocal). Le français comprend 12
voyelles orales émises seulement par la bouche,
4 voyelles nasales correspondant à la mise en
parallèle des cavités nasales avec la bouche.
Il comprend 6 consonnes occlusives correspondant à une ouverture brusque du conduit vocal après son obstruction, 6 consonnes fricatives produites par un rétrécissement local du
conduit vocal, 2 consonnes liquides, 3 nasales
et 4 semi-consonnes.
Pour obtenir un système robuste il faut s’affranchir des problèmes suivants :
– bruit présent lors de l’enregistrement,
– parole spontanée différente de phrases lues
en studio, les corpus de parole spontanée
sont presque inexistants alors qu’ils sont
indispensables pour obtenir les modèles de
langage adaptés,
– vocabulaire important plus difficile à reconnaître qu’un ensemble de mots restreint
et limités à un domaine particulier,
– reconnaissance multilingue.
Dans le cadre de mon TER, je vais devoir
vérifier que l’échantillonage du microphone
bluetooth de l’e-lio est suffissant et vérifier
(après implémentation) que l’unité de calcul
de l’e-lio permet de réaliser la reconnaissance
de parole dans des temps convenables.
A. Logiciel de reconnaissance de la parole
Le logiciel utilisé pour faire de la reconnaissance de la parole est le CMU Sphinx 3. Il
comprend un ensemble d’outils développés à
l’Université de Carnegie Mellon. Sphinx 3 est la
dernière version réalisée par le Carnegie Mellon
en C++. Une nouvelle version a été réalisée,
mais en Java, ce qui ne correspondait pas aux
besoins du laboratoire. Sphinx a été choisi car
la communauté des utilisateurs est très active
avec une liste de diffusion réactive, et, le logiciel
est aussi open-source.
Sphinx utilise un modèle acoustique, un dictionnaire acoustique (développé par Getalp) et
un modèle de langage. Le modèle acoustique
permet de reconnaître les phonèmes (en français il y en a 36 : 16 voyelles et 20 consonnes).
Le dictionnaire acoustique réalise la correspondance entre les mots et les phonèmes. Un mot
est une séquence de phonèmes. Le modèle de
langage controle l’assemblage des mots reconnus.
Dans mon cas j’ai utilisé un modèle acoustique
déjà créé par le laboratoire car l’apprentissage
est un processus de calcul long (plusieurs jours).
Il faut noter qu’il n’est pas adapté à ma voix,
ce qui aurait pu améliorer la reconnaissance
des mots. En revanche, le modèle de langage
utilisé est un petit ensemble de la langue française adapté à l’application (300 mots). Ce qui
permet d’axer le logiciel vers les mots que nous
voulons reconnaître.
Au niveau d’un système embarqué, d’autres
problèmes viennent se greffer :
– la fréquence d’échantillonage ,
– la quantification (nombre de bits sur lequel
est codé le signal),
– la vitesse de calcul.
2
– Création du système complet de reconnaissance de la parole
– Implémentation du système complet sur elio
B. Test microphone et résultats
Fig. 1.
Pour réaliser les tests, j’ai enregistré des
mots existants dans le corpus de mots que le
modèle de langage permet de reconnaître. Par
exemple : “Bonjour”,“Appellez le samu”,“la
chaise est tombée”,“le café est trop chaud”.
Les tests sont réalisés dans une salle sans bruit
en plaçant le microphone à une vingtaine de
centimètre de la bouche.
Pour accéder au microphone, TECHNOSENS
a installé la librairie Alsa[3] sur l’e-lio. C’est
un driver de carte son. Il permet d’accéder
au microphone en utilisant le logiciel arecord.
Le microphone étant connecté en bluetooth,
TECHNOSENS a du configurer Alsa, et a
choisi de nommer le microphone “bluez”. Donc
pour y accéder il faut utiliser :
Le produit e-lio de Technosens
B. Le système e-lio
Le système e-lio est développé et commercialisé par TECHNOSENS depuis 2010. Il est
composé de trois éléments : une unité centrale connectée à internet et à un écran, une
webcam connectée en usb à l’unité centrale,
et une télécommande (comprenant un microphone) connectée en bluetooth à la webcam.
Actuellement il permet des services du type
visiophonie, téléphonie, messages, photos, rappels automatiques.
Plus techniquement, le microphone intégré à la
télécommande permet d’enregistrer des signaux
en 8khz sur 16bits en little endian. L’unité centrale est de type Intel 386 32bits. La distribution Gentoo[2](modifiée par TECHNOSENS)
est installée dessus. Le minimum est installé
pour faire marcher les services et un accès en
ssh est disponible.
arecord -D bluez
La commande que j’ai citée ci-dessus permet d’enregistrer des signaux échantillonnés à
8khz par défaut. Mais les modèles acoustiques
Sphinx dont je dispose ont été prévus pour ne
fonctionner qu’avec des signaux échantillonnés
à 16Khz. Pour adapter le signal, il faut utiliser
le logiciel sox :
sox fic_in.wav -r 16000 fic_out.wav
Il est possible de demander à Alsa de forcer
le microphone à enregistrer avec une fréquence
de 16khz (avec l’option -r16000), mais ici le
microphone est analogiquement bloqué à 8khz,
donc il n’est pas possible d’améliorer la fréquence
d’enregistrement. Cela pose problème pour faire
de la reconnaissance de la parole car il manque de
l’information. Le spectre du signal de la figure 2
montre bien que de l’information est coupée
par rapport au signal de la figure 3. Ces deux
figures représentent le spectre d’enregistrement
du mot “Bonjour”. La figure 2 a été enregistrée
avec le microphone de l’e-lio, et la figure 2 avec
un microphone pouvant enregistrer en 16kz.
Vous pouvez voir au centre de la figure 2 que
l’information du phonème “j” est à moitié coupée.
II. Travail réalisé
Mon travail a été de faire un test de faisabilité de l’acquisition du microphone et de la
coupler sur e-lio avec un système de reconnaissance de la parole que je devais installer. Pour
expliquer le travail réalisé lors de mon ter, je
vais commencer par vous énoncer la procédure
que j’ai suivie puis la description de chaque
étape.
A. Procédure
– Test d’enregistrements utilisant le microphone e-lio avec la reconnaissance sur ordinateur
– Interfaces pour les enregistrements
La figure 2 montre aussi un pic au début
de l’enregistrement. Si on écoute le signal
3
faire attention lors d’une future automatisation
des enregistrements.
Un document donnant plus d’informations sur les
résultats est disponible en annexe.
Au final, même si l’information est tronquée
à cause d’un échantillonage à 8khz, il est quand
même possible de faire de la reconnaissance de la
parole dessus. Par contre, cela demande un signal
ne contenant pas d’autre bruit que la parole. En
réalité, il existe des algorithmes qui n’extraient
que la parole d’un signal, mais il faudrait vérifier
si c’est possible d’en implémenter un dans un
système embarqué (surtout en parallèle d’un
système de connaissance de la parole). Une autre
possibilité pour avoir un pourcentage de mots
reconnus plus élevé est soit d’enregistrer avec un
microphone pouvant échantillonner en 16 kHz,
soit d’utiliser des modèles acoustiques prévus pour
un échantillonnage à 8 kHz..
Fig. 2.
Spectre d’un enregistrement avec le mot
“Bonjour” et les caratéristiques par défault
C. Interfaces pour les enregistrements
Pour faciliter les tests et permettre à quelqu’un
qui ne connait pas e-lio de faire des tests, j’ai
réalisé d’une part un script automatique et d’autre
part une interface graphique.
Fig. 3.
Spectre d’un enregistrement avec le mot
“Bonjour” et un microphone 16khz
Le script automatique (en Annexe) permet de
lancer un enregistrement sur e-lio, et de récupérer
sur sa machine un signal prêt à être reconnu (en
16khz et sans le “toc” de début de signal). Pour le
lancer, il faut avoir un accès ssh à e-lio et taper :
./enregistre.sh TEMPS NOM_FIC.wav
attentivement, on remarque que c’est un “toc”.Il
apparait sur tous les signaux enregistrés. Il est créé
par l’activation du microphone. Celui-ci est très
gênant pour la reconnaissance de la parole (voir
tableau 4. Il est possible de le supprimer avec sox :
L’interface graphique a été développée à partir
d’une interface TCL/TK développée à GETALP.
L’interface de base est utilisée pour faire de la
reconnaissance de la parole en utilisant Sphinx
et le microphone par défaut sur une machine
personnelle. Je l’ai simplifiée et adaptée pour
qu’elle enregistre directement les signaux à partir
du microphone sur e-lio (voir fig 5). Il faut aussi
avoir un accès ssh à e-lio pour faire marcher
l’interface.
Pour lancer l’enregistrement il suffit de cliquer
sur le bouton enregistrer (cercle rouge) puis,
pour finir l’enregistrement, il faut cliquer sur
le bouton arrêter (carré vert). L’interface lance
ensuite Sphinx (sur la machine personnelle), qui
décode le signal récupéré de e-lio. Enfin le logiciel
affiche le(les) mot(s) reconnu(s). Techniquement,
l’interface lance un arecord sur e-lio puis, lors
de l’appuie sur le bouton stop, un kill arecord
(avec le bon signal pour éviter de mal quitter
arecord, ce qui bloquerait le microphone).
sox fin_in_with_toc.wav fic_out.wav trim 5824s
(ici la commande va supprimer les 5824 premiers
échantillons (samples)).
Voici les résultats en pourcentage de mes tests
pour faire de la reconnaissance de la parole avec
Sphinx installé sur ma machine personnelle et le
microphone e-lio.
e-lio 8khz brut
e-lio 8khz coupé
Fig. 4.
% de mots reconnus
0%
86%
Résultats du test de faisabilité
Remarque : lors de mes tests, j’ai essayé de lancer
Sphinx sur un .wav ne contenant qu’un son très
cours. Le logiciel s’est mis à boucler. Il faudra y
4
pour analyser le signal. PortAudio est une librairie
qui permet d’abstraire les drivers de cartes son.
La transformée en ondelettes a été choisie car elle
permet d’étudier le signal d’entrée en ayant une
bonne résolution fréquentielle et temporelle.
2) Le “decoder”: Il est piloté par un script
bash. Il récupère les signaux enregistrés avec le recorder, les enlève de la file, puis fait appel à Sphinx.
Il récupère ensuite les résultats et les affiche sur la
sortie standard.
3) Adaptation sur e-lio: Sur ma machine
personnelle (Ubuntu), le logiciel fonctionne très
bien et donne de bons résultats. En effet, dès que
je parle le “recorder” enregistre bien la phrase
et le “decoder” m’affiche bien les mots que j’ai
prononcé.
Pour l’adapter à e-lio, j’ai d’abord installé la partie
“decoder” (Sphinx + bash). Les résultats sont
satisfaisants car lorsque je lance le “decoder” et
que j’ajoute manuellement des fichiers.wav dans la
file d’attente des signaux, j’obtiens bien en sortie
les mots reconnus. Et tout cela dans un temps
assez court (2-3secondes).
Fig. 5. Interface pour faire de la reconnaissance de la
parole à partir du microphone e-lio
D. Système de reconnaissance de la parole
Pour l’implémentation d’un système de reconnaissance de la parole dans e-lio, mon choix a été de
faire un logiciel qui permet d’enregistrer les phrases
automatiquement et de lancer la reconnaissance de
la parole dessus. Il est composé de 2 parties, voir
figure 6. La première est un recorder qui détecte
la parole puis enregistre la séquence de mots et
enfin les stocke dans une pile. La deuxième est un
décoder qui est lancé en “parallèle”. Il attend les
nouvelles séquences pour pouvoir lancer le logiciel
de reconnaissance de la parole et afficher les mots
reconnus. Les mots reconnus pourrait après être
traités pour lancer des actions sur e-lio. Mais cela
sort du cadre de mon TER.
Fig. 6.
Pour installer la partie “recorder”, il a fallu
installer les librairies PortAudio et lnsnd. Mais
pour faire fonctionner correctement le recorder j’ai
eu plusieurs difficultés. Tout d’abord, le premier
problème a été l’accès au microphone d’e-lio.
PortAudio sélectionnait le mauvais driver de
carte son, OSS à la place de Alsa. Il a donc fallu
adapter le code pour que PortAudio sélectionne
obligatoirement Alsa. Le deuxième problème a
été posé par un bug de PortAudio. Lorsqu’on
affiche les drivers de la carte son et que le
programme fait une boucle autour, PortAudio
génère une segmentation fault. Le troisième
problème est que PortAudio ne sélectionnait pas
le bon microphone. Lors que je parlais devant le
microphone, le “recorder” ne détectait pas que je
parlais. En effet PortAudio prend le microphone
par défaut du driver de la carte son. Il a donc
fallu configurer Alsa pour qu’il prenne par défaut
le microphone connecté en bluetooth.
Logiciel de reconnaissance
1) Le “recorder”: A partir des travaux de Frédéric Aman, j’ai modifié le recorder original pour
qu’il boucle à l’infini et qui puisse générer des .wav
numérotés dans un dossier précis. Pour détecter
la parole, le logiciel enregistre tout le temps des
échantillons. Si le seuil est dépassé, le logiciel écrit
dans le .wav les quelques échantillons précédents
et tous les échantillons suivants jusqu’à ce que le
signal repasse sous le seuil. Pour détecter si l’échantillon dépasse le seuil, le logiciel utilise une transformée en ondelettes de Daubechies. Le logiciel est
réalisé en C, utilise PortAudio[4] pour accéder au
microphone et utilise la transformée en ondelettes
Après ces configurations, le logiciel détecte
bien quand je parle et termine l’enregistrement
au bout d’un moment. Malheureusement il
n’enregistre qu’un “psht”, et pas du tout le son de
ma voix.
Je vois deux possibilités, PortAudio attend un
signal échantillonné à 16khz et reçoit un signal
échantillonné à 8khz donc les calculs deviennent
faux, et/ou le seuil dans le logiciel “recorder” n’est
pas approprié au microphone e-lio. Je n’ai pas eu
le temps de plus approfondir ces deux possibilités
5
lors de mon TER.
Pour pouvoir réaliser quelques tests tout en
gardant le concept du recorder+decoder, j’ai mis
en place un script qui remplace le decoder et qui
permet d’enregistrer manuellement un signal et de
le mettre dans la file d’attente.
l’existant. Par exemple, lors de mes tests de faisabilité, plutôt que de comparer des signaux avec
un “toc” au départ et sans le “toc” (qui est un
résultat connu) j’aurais du regarder s’il y avait la
possibilité de mettre sur un système embarqué un
algorithme qui n’extrayait que les signaux de la
parole. Je pense que la réponse à cette question est
beaucoup plus utile que la comparaison de résultats
avec les “toc”. Si c’était à refaire je pense que
je changerais ma procédure. Plutôt que passer du
temps à développer sur ma machine personnelle, je
passerais directement sur e-lio le logiciel Sphinx, et
chercherais les différentes possibilités pour améliorer la reconnaissance de la parole.
Au final, ce TER m’a fait découvrir la recherche
grâce à un projet concret. Il m’a été bénéfique et je
le trouve très complémentaire avec l’enseignement
d’ingénieur. Cela a changé ma façon de voir un
problème et m’a motivé à me diriger vers un métier
de recherche.
E. Résultats
Exécuté sur e-lio, le logiciel de reco reste assez
rapide (2 à 3 secondes). Cela ne permet pas de
faire du temps réel, mais dans un contexte où
le logiciel ne doit pas reconnaître tout le temps
des mots, la vitesse est acceptable. (comme par
exemple reconnaître un mot lorsqu’on appuie sur
un bouton). Par contre, pour être utilisé en temps
réel, il faudrait surement changer le logiciel de
reconnaissance (Sphinx) et en prendre un plus
simplifié et plus rapide.
Au niveau de la reconnaissance en elle-même, j’ai
les mêmes résultats (car le logiciel installé sur e-lio
est le même que sur ma machine). C’est-à-dire, que
la reconnaissance de la parole est possible avec le
microphone 8khz si le signal est nettoyé.
Remerciments
Je remercie Mme Moranchini, M. Portet et M.
Vacher, sans qui je n’aurais pas pu faire ce TER. Je
remercie de plus M. Vacher pour son encadrement
et le temps qu’il m’a toujours accordé.
III. Conclusion
Mes résultats sont positifs, car ils montrent la
possibilité de faire de la reconnaissance de parole
sur un système embarqué qui au départ n’était pas
fait pour.
Cette étude a permis de mettre en évidence 3
problèmes importants à résoudre :
– la fréquence d’échantillonnage basse imposée
au départ a priori par le Blutooth qui devra
être augmentée ou qui imposera la génération
de modèles acoustiques adaptés
– le découpage temporel précis du signal pour
conserver une bonne précision de l’algorithme
de reconnaissance
– le temps de calcul qui doit rester court et
imposera une optimisation du temps de calcul du système ou le choix d’un système de
reconnaissance plus simple, et par la même,
plus rapide.
Références
[1] M. Vacher, “Projet SWEET-HOME ANR,” http:
//sweet-home.imag.fr/, 2009, online, accessed 15april-2011.
[2] Gentoo, “Gentoo Web Site,” http://gentoo.org/,
online, accessed 8-mai-2011.
[3] AlsaProject, “Alsa Official Website,” http://www.
alsa-project.org, 2008, online, accessed 1-mai-2011.
[4] R. Bencina and P. Burk, “PortAudio–an open
source cross platform audio API,” in Proc. 2001
Intl. Computer Music Conf.(ICMC-01). Citeseer,
2001.
Avec le recul et en écrivant ce rapport, j’ai remarqué que je me suis trop ciblé sur le développement de l’application en elle-même, que ma vision
des choses était réduite. Je voulais une réalisation
concrète. Je crois que j’ai fait comme lors d’un
projet fait en école, essayer de réaliser un projet
avec un but “unique”. Le pire, c’est que ce but
unique, c’est moi qui me le suis donné. Alors qu’en
fait j’aurais dû faire l’inverse : essayer de chercher
toutes les possibilités du projet, le comparer avec
6
Annexe
Resultats des tests de faisabilité
le fichier de sortie de Sphinx :
Les fichiers du type : *_8000.wav sont les fichiers avec le “toc”, les fichiers du type : *_8000_tronq.wav
ont été ttronqué et non plus le “toc”. Pour chaque fichier, la première ligne est le résultat attendu, et la
deuxième ligne est le résultat trouvé par Sphinx.
AH BON (USER−AH_BON_8000)
EUH EUH (USER−AH_BON_8000)
Words : 2 C o r r e c t : 0 E r r o r s : 2 P e r c e n t c o r r e c t = 0.00% E r r o r = 100.00% Accuracy = 0.00%
Insertions : 0 Deletions : 0 Substitutions : 2
AH BON
(USER−AH_BON_8000_TRONQ)
UN FLEUVE (USER−AH_BON_8000_TRONQ)
Words : 2 C o r r e c t : 0 E r r o r s : 2 P e r c e n t c o r r e c t = 0.00% E r r o r = 100.00% Accuracy = 0.00%
Insertions : 0 Deletions : 0 Substitutions : 2
APPELEZ LE SAMU
(USER−APPELEZ_LE_SAMU_8000)
∗∗∗
ET VOILA (USER−APPELEZ_LE_SAMU_8000)
Words : 3 C o r r e c t : 0 E r r o r s : 3 P e r c e n t c o r r e c t = 0.00% E r r o r = 100.00% Accuracy = 0.00%
Insertions : 0 Deletions : 1 Substitutions : 2
a p p e l e z l e samu (USER−APPELEZ_LE_SAMU_8000_TRONQ)
a p p e l e z l e samu (USER−APPELEZ_LE_SAMU_8000_TRONQ)
Words : 3 C o r r e c t : 3 E r r o r s : 0 P e r c e n t c o r r e c t = 100.00% E r r o r = 0.00% Accuracy = 100.00%
Insertions : 0 Deletions : 0 Substitutions : 0
∗∗∗
∗∗∗ BONJOUR (USER−BONJOUR_8000)
OUVRE EUH EUH
(USER−BONJOUR_8000)
Words : 1 C o r r e c t : 0 E r r o r s : 3 P e r c e n t c o r r e c t = 0.00% E r r o r = 300.00% Accuracy = −200.00
Insertions : 2 Deletions : 0 Substitutions : 1
b o n j o u r (USER−BONJOUR_8000_TRONQ)
b o n j o u r (USER−BONJOUR_8000_TRONQ)
Words : 1 C o r r e c t : 1 E r r o r s : 0 P e r c e n t c o r r e c t = 100.00% E r r o r = 0.00% Accuracy = 100.00%
Insertions : 0 Deletions : 0 Substitutions : 0
∗∗∗
∗∗∗ LA
CHAISE EST TOMBEE (USER−LA_CHAISE_EST_TOMBEE_8000)
SPHERE EST ELLE DONC
MAIS VOILA
(USER−LA_CHAISE_EST_TOMBEE_8000)
Words : 4 C o r r e c t : 0 E r r o r s : 6 P e r c e n t c o r r e c t = 0.00% E r r o r = 150.00% Accuracy = −50.00%
Insertions : 2 Deletions : 0 Substitutions : 4
l a c h a i s e e s t tombee (USER−LA_CHAISE_EST_TOMBEE_8000_TRONQ)
l a c h a i s e e s t tombee (USER−LA_CHAISE_EST_TOMBEE_8000_TRONQ)
Words : 4 C o r r e c t : 4 E r r o r s : 0 P e r c e n t c o r r e c t = 100.00% E r r o r = 0.00% Accuracy = 100.00%
Insertions : 0 Deletions : 0 Substitutions : 0
LE CAFE EST TRES CHAUD
(USER−LE_CAFE_EST_TRES_CHAUD_8000)
IL SE
VEUT LE
VERROU (USER−LE_CAFE_EST_TRES_CHAUD_8000)
eWords : 5 C o r r e c t : 0 E r r o r s : 5 P e r c e n t c o r r e c t = 0.00% E r r o r = 100.00% Accuracy = 0.00%
Insertions : 0 Deletions : 0 Substitutions : 5
le
c a f e e s t t r e s chaud (USER−LE_CAFE_EST_TRES_CHAUD_8000_TRONQ)
le
c a f e e s t t r e s chaud (USER−LE_CAFE_EST_TRES_CHAUD_8000_TRONQ)
Words : 5 C o r r e c t : 5 E r r o r s : 0 P e r c e n t c o r r e c t = 100.00% E r r o r = 0.00% Accuracy = 100.00%
Insertions : 0 Deletions : 0 Substitutions : 0
TOTAL Words : 30 C o r r e c t : 13 E r r o r s : 21
TOTAL P e r c e n t c o r r e c t = 43.33% E r r o r = 70.00% Accuracy = 30.00%
TOTAL I n s e r t i o n s : 4 D e l e t i o n s : 1 S u b s t i t u t i o n s : 16
7