Zpracování řečových signálů

• 26 hod. přednášky
• 2 hod. cvičení
• 12 hod. pc laboratoře
• 12 hod. projekty

• 51 bodů závěrečná zkouška (písemná část)
• 14 bodů půlsemestrální test (písemná část)
• 6 bodů laboratoře
• 29 bodů projekty

Seznámit studenty se základními charakteristikami řečového signálu v návaznosti na tvorbu a slyšení řeči lidmi. Popsat základní algoritmy analýzy řeči společné mnohým aplikacím. Podat přehled aplikací (rozpoznávání, syntéza, kódování) a informovat o praktických stránkách implementace řečových algoritmů.
Studenti se seznámí se základními charakteristikami řečového signálu v návaznosti na tvorbu a slyšení řeči lidmi. Pochopí základní algoritmy analýzy řeči společné mnohým aplikacím. Získají přehled o aplikacích (rozpoznávání, syntéza, kódování) a o praktických stránkách implementace řečových algoritmů. Budou schopni navrhnout jednoduchý systém pro zpracování řeči (detektor řečové aktivity, rozpoznávač několika izolovaných slov), včetně implementace do aplikačních programů.

Řeč je nejběžnější formou lidské komunikace a řečí přenášíme nejvíce informací. Automatické zpracování řeči je potřeba jak pro zpracování komunikace člověk-člověk (kódování, nebo třeba dolování informací z hovorů v call centru), tak pro komunikaci člověk-počítač (hlasové ovládání, hlasové vyhledávání, autentizace pomocí hlasu) i počítač-člověk (syntéza z textu). V kursu ZRE dostanete přehled toho, jak se řeč tvoří, jak se parametrizuje, a jak se s ní dále pracuje. Uvidíte, že se jedná o zajímavý mix měkkých věd", zpracování signálů, strojového učení a dalších ingrediencí. Znalosti získané v ZRE můžete ale aplikovat i jinde, např. problém rozpoznávání sekvencí dalece přesahuje rozpoznávání řeči. Kurs je učen lidmi ze skupiny BUT Speech@FIT, která je na špičce světového výzkumu v dolování informací z řeči.

• Gold, B., Morgan, N.: Speech and Audio Signal Processing, Wiley-Interscience; 2 edition.
• Yu, D., Deng, L., Automatic speech recognition, Springer, 2016.
• Rabiner, L. R., & Schafer, R. W. Theory and applications of digital speech processing, Pearson, 2011.
• Psutka, J., Müller, L., Matoušek, J., & Radová, V., Mluvíme s počítačem česky, Academia, 2006.

• Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995, ISBN  80-200-0203-0 

• Gold, B., Morgan, N.: Speech and Audio Signal Processing, John Wiley & Sons, 2000, ISBN 0-471-35154-7 

• www stránka předmětu https://www.fit.vutbr.cz/study/courses/ZRE/public/

1. Úvod, aplikace zpracování řeči. 
2. Číslicové zpracování řečových signálů.
3. Tvorba a řeči a její signálový model.
4. Předzpracování a základní parametry, cepstrum. 
5. Lineárně-prediktivní model. 
6. Určování základního tónu hlasu
7. Kódování řeči - základy.
8. Kódování řeči CELP. 
9. Základy rozpoznávání řeči, DTW. 
10. Skryté Markovovy modely HMM. 
11. Systémy pro rozpoznávání řeči s velkým slovníkem (LVCSR). 
12. Rozpoznávání mluvčího a jazyka. Využití neuronových sítí ve zpracování řeči. 
13. Syntéza řeči z textu. 

1. Paramatrizace, DTW, HMM.

1. Úvod. 
2. Lineární predikce a vektorové kvantování. 
3. Určování základního tónu a kódování řeči.
4. Základy klasifikace. 
5. Rozpoznávání - Dynamic time Warping (DTW).
6. Rozpoznávání - skryté Markovovy modely (HTK).

• půlsemestrální test 14b
• projekt 29b
• presentace výsledků na poč. cvičeních 6b