Cieľom predmetu je, aby študent nadobudol prehľad a porozumenie technológiám používaným v oblasti spracovania reči. Po úspešnom absolvovaní predmetu sa študent naučí špecifické vlastnosti rečových signálov v čase a frekvencií a bude schopný používať základné parametrizácie signálu na jeho analýzu ako: prechody nulou, autokorelácia,AMDF, banky filtrov, LPC model reči, MFCC koeficienty a ich modifikácie. Bude vedieť realizovať jednoduché systémy spracovania reči typu rozpoznanie a verifikácie hovoriaceho, rozpoznanie reči, syntéza reči, kompresia reči, a to s využitím nasledovných techník: K-NN, VQ, GMM, DTW, HMM a NN. Okrem teoretických poznatkov. Študent získa aj praktické skúsenosti s používaním spomenutých metód na reálnych dátach, ktoré sa dajú použiť aj v iných oblastiach.

• Osoba zodpovedná za predmet: Doc. Ing. Juraj Kačur, PhD., juraj.kacur@stuba.sk

1. Úvod do spracovania reči a aplikácie spracovania reči.

2. Vlastnosti rečových signálov v čase a frekvencií.

3. Základné parametrizácie rečových signálov.

4. Modely tvorby reči LPC analýza.

5. Banky filtrov, psychoakustické frekvenčné mierky.

6. MFCC koeficienty a ich modifikácie.

7. Vektorová kvantizácia.

8. Gaussov zmesový model.

9. Rozpoznávanie reči: Dynamické programovanie, algoritmus DTW.

10. Rozpoznávanie reči: Diskrétne skryté Markovove modely.

11. Rozpoznávanie reči: Spojité skryté Markovove modely.

12. Rozpoznávanie reči : Založené na Neurónových sieťach.

• Aktívna účasť na cvičeniach, úspešné odovzdanie semestrálneho zadania a úspešné absolvovanie skúšky.

• Celková známka na skúške bude odvodená od bodového vyjadrenia nasledovne:

• Cvičenia 40 bodov (semestrálne zadanie 40 bodov), minimálny počet bodov pre pripustenie na skúšku je 20 a je podmienený max. 2 ospravedlnenými absenciami.

• Písomná skúška 60 bodov.

• Minimálny celkový počet bodov pre absolvovanie predmetu je 56.

Základné:

• PSUTKA, J. Komunikace s počítačem mluvenou rečí. Praha : Academia, 1995.

• KOTULIAKOVÁ, J. – ROZINAJ, G. Číslicové spracovanie signálov 1. Bratislava : Vyd. FABER, 1996. 163 s. ISBN 80-967503-2-1.

Odporúčaná:

• E. Keller, Fundamentals of Speech Synthesis and Speech Recognition, John Wiley&Sons, 1994

• G. Rozinaj, J. Polec, J. Kotuliaková, P. Podhradský, A. Marček, S. Merchevský a kolektív : Číslicové spracovanie signálov II, FABER Bratislava, 1997

• X. D. Huang, Y. Ariki, M. A. Jack, Hidden Markov Models for Speech Recognition, Edinburg university press, 1990