Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
Webová stránka:
https://moodle.fel.cvut.cz/courses/B2M31ZRE
Anotace:
Předmět je zaměřen na problematiku zpracování řečových signálů. Tato problematika má široký aplikační záběr v různých systémech z mnoha odvětví, kde nejvýznamnější aplikace jsou informační dialogové systémy, hlasové ovládání zařízení, diktovací systémy resp. transkripce audio/video záznamů, podpora výuky jazyků, automatický hlasový výstup. V rámci předmětu studenti se studenti seznámí se základními algoritmy analýzy řeči (spektrální analýza, LPC, kepstrální reprezentace, základní tón, formanty, apod.), principy rozpoznávání řeči (GMM-HMM, ANN-HMM systémy, rozpoznávače s malým i velkým slovníkem), s rozpoznáváním řečníka (na bázi GMM či VQ), se syntézou řeči či zvýrazňováním řeči snímané v hlučném prostředí. Další informace lze nalézt na <a href=
http://noel.feld.cvut.cz/vyu/a2m31zre>;
http://noel.feld.cvut.cz/vyu/a2m31zre<;/a>. Pro zapsané studenty jsou detailní informace na výukovém portálu <a href=
https://moodle.fel.cvut.cz/course/view.php?id=158>;Moodle FEL</a>.
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 analýzu řečového signálu.
Osnovy přednášek:
| 1. | | Úvod - model vzniku a vnímání řeči, základní charakteristiky (fonetické a artikulační aspekty) |
| 2. | | Spektrální charakteristiky řečového signálu (DFT a LPC spektrum). |
| 3. | | Kepstrální reprezentace řeči. Příznaky pro rozpoznávání. Detekce řečové aktivity. |
| 4. | | Potlačování šumu v řeči: šum aditivní, konvoluční; jednokanálové a vícekanálové systémy. |
| 5. | | Základní rozpoznávací úlohy a používané techniky (GMM, HMM, VQ, ANN, DNN) |
| 6. | | Verifikace a identifikace mluvčího. Rozpoznávání jazyka. |
| 7. | | Rozpoznávání řeči s malým a velkým slovníkem (DTW, GMM-HMM, LVCSR, nástroje HTK a KALDI). |
| 8. | | Moderní systémy LVCSR (DNN-HMM). Adaptační techniky v rozpoznávání řeči. Speciální parametrizace. |
| 9. | | Syntéza řeči, principy základních přístupů (formantová syntéza, PSOLA). |
| 10. | | Audio-visuální rozpoznávání řeči. |
| 11. | | Kódování řeči |
| 12. | | Sluchové pomůcky a kochleární implantáty: anatomie a model sluchu, zpracování řeči. |
| 13. | | Multimediální systémy s hlasovým vstupem (dialogové systémy, logopedie, výuka jazyků). |
| 14. | | Databáze pro hlasové technologie. Rezerva. |
Osnovy cvičení:
| 1. | | Úvod: řečový signál, nástroje pro analýzu, dostupné zdroje signálů |
| 2. | | Základní časové a spektrální charakteristiky řeči |
| 3. | | Odhad základního tónu řeči |
| 4. | | LPC spektrum a odhad formantů |
| 5. | | Kepstrum a kepstrální vzdálenost: detekci řečových úseků |
| 6. | | Základní klasifikační metody (GMM, VQ, HMM): klasifikace samohlásek |
| 7. | | Verifikace mluvčího na bázi VQ |
| 8. | | Identifikace mluvčího na bázi GMM |
| 9. | | Rozpoznávání na bázi DTW. Jednoduchý rozpoznávač jednotlivých slov |
| 10. | | Rozpoznávání na bázi HMM: jednoduché úlohy a demonstrace průchodu HMM modelem |
| 11. | | Potlačování aditivního šumu v řečovém signálu |
| 12. | | Potlačování konvolučního šumu - demonstrace dozvuku a možnosti jeho eliminace |
| 13. | | Syntéza řeči: formantový syntezátor, demonstrace volně dostupných syntezátorů |
| 14. | | Rezerva. Zápočty |
Literatura:
| [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. |
Požadavky:
Vstupními požadavky jsou základní znalosti z oblasti číslicového zpracování signálů.
Klíčová slova:
zpracování řeči, rozpoznávání řeči, syntéza řeči, aplikace řečových technologií, audio-visuální rozpoznávání a syntéza
Předmět je zahrnut do těchto studijních plánů:
| Stránka vytvořena 14.3.2025 17:50:48, semestry: L/2025-6, Z,L/2024-5, Z/2025-6, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |