Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Zpracování řeči

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
AD2M31ZRE Z,ZK 6 14KP+6KC česky
Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra teorie obvodů
Anotace:

Předmět je zaměřen na seznámení studentů magisterského studia s problematikou zpracování řečových signálů se zaměřením na použití v multimediálních aplikacích. Tato problematika má široký aplikační záběr v různých systémech z mnoha odvětví (informační dialogové systémy, hlasové ovládání zařízení, diktovací systémy resp. transkripce audio/video záznamů, podpora výuky jazyků, apod.). Další informace lze nalézt na http://noel.feld.cvut.cz/vyu/ad2m31zre . Pro zapsané studenty jsou detailní informace na výukovém portálu http://moodle.kme.feld.cvut.cz .

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/AD2M31ZRE

Požadavky:

Vstupními požadavky jsou základní znalosti z oblasti číslicového zpracování signálů.

Osnova přednášek:

1. Úvod - řečový signál (digitální reprezentace), model vzniku řeči

2. Základní charakteristiky řečového signálu včetně fonetických a artikulačních aspektů

3. Spektrální charakteristiky řečového signálu (DFT a LPC spektrum)

4. Potlačování šumu v řeči: šum aditivní, konvoluční; jednokanálové a vícekanálové systémy

5. Sluchové pomůcky a kochleární implantáty: anatomie a model sluchu, zpracování řeči

6. Principy rozpoznávání řeči, základní úlohy a jejich aplikace

7. Extrakce příznaků pro účely rozpoznávání řeči

8. Rozpoznávání řeči na bázi DTW a HMM s malým slovníkem (HTK)

9. Diktovací a transkripční systémy (rozpoznávání spojité řeči s velkým slovníkem)

10. Rozpoznávání mluvčího: verifikace a identifikace.

11. Syntéza řeči, principy základních přístupů (formantová syntéza, PSOLA)

12. Audio-visuální rozpoznávání řeči

13. Multimediální systémy s hlasovým vstupem (dialogové systémy, logopedie, výuka jazyků)

14. Rozpoznávání jazyka. Rezerva

Osnova cvičení:

1. Úvod: řečový signál, nástroje pro analýzu, dostupné zdroje signálů

2. Základní časové charakteristiky: energie, intenzita, průchody nulou, základní tón

3. Spektrální charakteristiky: krátkodobé DFT a LPC spektrum, spektrogram

4. Potlačování aditivního šumu v řečovém signálu

5. Potlačování konvolučního šumu - demonstrace dozvuku a možnosti jeho eliminace

6. Zpracování řeči pro sluchové pomůcky a náhrady

7. Kepstrum a kepstrální vzdálenost: detekci řečových úseků, příznaky pro rozpoznávání

8. Rozpoznávání na bázi DTW. Jednoduchý rozpoznávač jednotlivých slov

9. Rozpoznávání na bázi HMM: jednoduché úlohy a demonstrace průchodu HMM modelem

10. Verifikace mluvčího na bázi GMM

11. Syntéza řeči: formantový syntezátor, demonstrace volně dostupných syntezátorů

12. Prezentace semestrálních prací

13. Prezentace semestrálních prací

14. Rezerva. Zápočty

Cíle studia:

Cílem předmětu je seznámit studenty se základy používaných řečových technologií v multimediálních systémech, od základních charakteristik řečového signálu, přes zvýrazňování řeči, základní principy rozpoznávání řeči a syntézy řečového signálu až po zpracování audio-vizuálního řečového signálu. Ve cvičeních studenti prakticky zrealizují základní úlohy v programovém prostředí MATLAB resp. si vyzkouší použití volně dostupných nástrojů pro různé analýzy řečového signálu. V rámci domácí přípravy studenti zpracují semestrální práci, kterou budou prezentovat na cvičení podle plánovaného harmonogramu.

Studijní materiály:

[1] Uhlíř, J. - Sovka, P. - Pollák, P. - Hanžl, V. - Čmejla, R.: Technologie hlasových komunikací. Nakladatelství ČVUT, 2007.

[2] Psutka, J. - Müller, L. - Matoušek, J. - Radová, V.: Mluvíme s počítačem česky. Academia 2006.

[3] Huang, X. - Acero, A. - Hon, H.-W.: Spoken Language Processing. Prentice Hall 2001.

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

Další informace:
https://moodle.fel.cvut.cz/courses/AD2M31ZRE
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 27. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet1227806.html