Issues in acoustic modeling of speech for automatic speech recognition

Stochastic modeling is a exible method for handling the large variability in speech for recognition applications. In contrast to dynamic time warping where heuris-tic training methods for estimating word templates are used, stochastic modeling allows a probabilistic and automatic training for estimating models. This paper deals with the improvement of stochastic techniques, especially for a better representation of time varying phenomena. Contribution a la mod elisation acoustique en reconnaissance automatique de la parole R esum e : La mod elisation stochastique est une m ethode souple pour tenir compte de la grande variabilit e de la parole. Contrairement a la programmation dynamique qui utilise des m ethodes heuristiques pour construire des formes de r ef erence robustes, les mod eles stochastiques permettent un apprentissage rigoureux reposant sur la th eorie des probabilit es. Ce rapport d ecrit des techniques stochastiques adapt ees aux ph enom enes transitoires propres a la parole. Il pr esente deux apports de l' equipe RF-IA au probl eme : les mod eles de Markov du second-ordre et le mod ele stochastique de trajectoire.