Teorie a aplikace odhadu posteriorních pravděpodobností fonémů ve zpracování řeči

Název anglicky

Theory and applications of phoneme posterior estimation in speech processing

Typ

grant

Klíčová slova

zpracování řeči, rozpoznávání řeči, rozpoznávání fonémů, pravděpodobnostní parametry

Abstrakt

Značná pozornost v základním výzkumu zpracování řeči je věnována odhadování posteriorních pravděpodobností diskrétních řečových jednotek - fonémů. Odhady se uplatňují v parametrizaci signálu (posterior features), fonotaktických modelech (rozpoznávání jazyka), ve tvorbě fonémových svazů pro vyhledávání klíčových slov i v dalších aplikacích. Cílem tohoto projektu je vytvořit rychlý a spolehlivý systém pro odhad posteriorních pravděpodobností fonémů, který umožní snížení chybovosti systémů využívajících takových odhadů. Projekt se bude věnovat parametrizaci, diskriminativním transformacím, architekturám klasifikátorů a technikám trénování. Kvalita bude vyhodnocována především v mezinárodních evaluacích organizovaných americkým Národním úřadem pro standardizaci a technologie NIST.

Řešitelé

Grézl František, Ing., Ph.D. (UPGM FIT VUT) , hlavní řešitel
Kopecký Jiří, Bc. (FIT VUT) , spoluřešitel
Plchot Oldřich, Ing., Ph.D. (UPGM FIT VUT) , spoluřešitel

Publikace

2012

HAIN Thomas, BURGET Lukáš, DINES John, GARNER Phillip N., GRÉZL František, EL Hannani Asmaa, HUIJBREGTS Marijn, KARAFIÁT Martin, LINCOLN Mike a WAN Vincent. Transcribing Meetings with the AMIDA System. IEEE Transactions on Audio, Speech, and Language Processing, roč. 20, č. 2, 2012, s. 486-498. ISSN 1558-7916. Detail

2011

VESELÝ Karel, KARAFIÁT Martin a GRÉZL František. Convolutive Bottleneck Network Features for LVCSR. In: Proceedings of ASRU 2011. Big Island, Hawaii: IEEE Signal Processing Society, 2011, s. 42-47. ISBN 978-1-4673-0366-8. Detail
MIKOLOV Tomáš, DEORAS Anoop, KOMBRINK Stefan, BURGET Lukáš a ČERNOCKÝ Jan. Empirical Evaluation and Combination of Advanced Language Modeling Techniques. In: Proceedings of Interspeech 2011. Florence: International Speech Communication Association, 2011, s. 605-608. ISBN 978-1-61839-270-1. ISSN 1990-9772. Detail
BOŘIL Hynek, GRÉZL František a HANSEN John H. Front-End Compensation Methods for LVCSR Under Lombard Effect. In: Proceedings of Interspeech 2011. Florence: International Speech Communication Association, 2011, s. 1257-1260. ISBN 978-1-61839-270-1. ISSN 1990-9772. Detail
GRÉZL František a KARAFIÁT Martin. Integrating recent MLP feature extraction techniques into TRAP architecture. In: Proceedings of Interspeech 2011. Florence: International Speech Communication Association, 2011, s. 1229-1232. ISBN 978-1-61839-270-1. ISSN 1990-9772. Detail
KOCKMANN Marcel, FERRER Luciana, BURGET Lukáš a ČERNOCKÝ Jan. iVector Fusion of Prosodic and Cepstral Features for Speaker Verification. In: Proceedings of Interspeech 2011. Florence: International Speech Communication Association, 2011, s. 265-268. ISBN 978-1-61839-270-1. ISSN 1990-9772. Detail
KOMBRINK Stefan, MIKOLOV Tomáš, KARAFIÁT Martin a BURGET Lukáš. Recurrent Neural Network based Language Modeling in Meeting Recognition. In: Proceedings of Interspeech 2011. Florence: International Speech Communication Association, 2011, s. 2877-2880. ISBN 978-1-61839-270-1. ISSN 1990-9772. Detail
GRÉZL František, KARAFIÁT Martin a JANDA Miloš. Study of Probabilistic and Bottle-Neck Features in Multilingual Environment. In: Proceedings of ASRU 2011. Hilton Waikoloa Village, Big Island, Hawaii: IEEE Signal Processing Society, 2011, s. 359-364. ISBN 978-1-4673-0366-8. Detail
GRÉZL František. The Role of Neural Network Size in TRAP/HATS Feature Extraction. In: Proceedings Text, Speech and Dialogue 2011. LNAI 6836, roč. 2011. Plzeň: Springer Verlag, 2011, s. 315-322. ISBN 978-3-642-23537-5. ISSN 0302-9743. Detail

2010

SZŐKE Igor, GRÉZL František, ČERNOCKÝ Jan a FAPŠO Michal. Acoustic keyword spotter - optimization from end-user perspective. In: Proceedings of the 2010 IEEE Spoken Language Technology Workshop. IEEE Catalog Number: CFP 10SLT-USB. Berkeley, California: IEEE Signal Processing Society, 2010, s. 177-181. ISBN 978-1-4244-7902-3. Detail
GRÉZL František a KARAFIÁT Martin. Hierarchical Neural Net Architectures for Feature Extraction in ASR. In: Proceedings of the 11th Annual Conference of the International Speech Communication Association (INTERSPEECH 2010). Makuhari, Chiba: International Speech Communication Association, 2010, s. 1201-1204. ISBN 978-1-61782-123-3. ISSN 1990-9772. Detail
HAIN Thomas, BURGET Lukáš, DINES John, GARNER Phillip N., EL Hannani Asmaa, HUIJBREGTS Marijn, KARAFIÁT Martin, LINCOLN Mike a WAN Vincent. The AMIDA 2009 Meeting Transcription System. In: Proceedings of the 11th Annual Conference of the International Speech Communication Association (INTERSPEECH 2010). Makuhari, Chiba: International Speech Communication Association, 2010, s. 358-361. ISBN 978-1-61782-123-3. ISSN 1990-9772. Detail

2009

GRÉZL František a ČERNOCKÝ Jan. Audio Surveillance through Known Event Classification. Radioengineering, roč. 18, č. 4, 2009, s. 671-675. ISSN 1210-2512. Detail
GRÉZL František, KARAFIÁT Martin a BURGET Lukáš. Investigation into bottle-neck features for meeting speech recognition. In: Proc. Interspeech 2009. Brighton: International Speech Communication Association, 2009, s. 2947-2950. ISBN 978-1-61567-692-7. ISSN 1990-9772. Detail