Detail projektu
Jazykověda, umělá inteligence a jazykové a řečové technologie: od výzkumu k aplikacím
Období řešení: 1. 1. 2025 – 31. 12. 2028
Typ projektu: grant
Kód: EH23_020/0008518
Agentura: Evropská unie
Program: MEZISEKTOROVÁ SPOLUPRÁCE
Umělá inteligence, jazykové a řečové technologie
Cílem projektu "Umělá inteligence a jazykové a řečové technologie: od výzkumu
k aplikacím" je:
1. Prohloubení a realizace spolupráce mezi výzkumnými organizacemi a aplikační
sférou: konkrétně mezi Univerzitou Karlovou (Ústav formální a aplikované
lingvistiky MFF UK); Vysokým učením technickým v Brně (Fakulta informačních
technologií, FIT VUT) a firmami Phonexia s.r.o.; Mamma AI Coolma, s.r.o.
a Phrase, a.s. například ve věci vzájemné výměny znalostí, ověření parametrů
výzkumných výsledků pro jejich uplatnění v praxi a získání přístupu podniků
k hraničnímu poznání a pokročilým metodám, modelům a technologiím.
2. Realizace naplánovaného komplexního výzkumného záměru a čtyřech pracovních
balíčků (WP) ve spolupráci se subjekty aplikační sféry, zejména s Phonexia
s.r.o.; Mamma AI Coolma, s.r.o. a Phrase a.s. a s dalšími spolupracujícími
subjekty.
3. Příprava a podání společně zpracovaných projektových žádostí se subjekty
z aplikační sféry: zejména v oblastech navazujících na plánované čtyři pracovní
balíčky v rámci VZ1, a to účastí v národních i mezinárodních soutěžích/programech
či v přístupových projektech ke kapacitám velkých výzkumných infrastruktur
4. Zapojení zástupců aplikační sféry do výuky: zejména potom odborníků z Phonexia
s.r.o.; Mamma AI Coolma, s.r.o. a Phrase a.s., případně dalších spolupracujících
subjektů v tématech souvisejících s navrženou výzkumnou agendou.
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Diez Sánchez Mireia, M.Sc., Ph.D. (UPGM)
Han Jiangyu (UPGM)
Heřmanský Hynek, prof. Ing., Dr. Eng. (UPGM)
Jírovec Martin, Ing. (DFIT-děkan)
Kesiraju Santosh, Ph.D. (UPGM)
Kocmanová Martina, Ing. (VCIT)
Kudla Radim, Ing. (UPGM)
Mošner Ladislav, Ing. (UPGM)
Polok Alexander, Ing. (UPGM)
Singh Prachi, B.Tech., Ph.D. (UPGM)
Szőke Igor, Ing., Ph.D. (UPGM)
Vendrame Katia, Ing. (UPGM)
2026
- POLOK, A.; KLEMENT, D.; KOCOUR, M.; HAN, J.; LANDINI, F.; YUSUF, B.; WIESNER, M.; KHUDANPUR, S.; ČERNOCKÝ, J.; BURGET, L. DiCoW: Diarization-Conditioned Whisper for Target Speaker Automatic Speech Recognition. COMPUTER SPEECH AND LANGUAGE, 2026, vol. 95, no. 1,
p. 1-19. ISSN: 0885-2308. Detail
2025
- HAN, J.; LANDINI, F.; ROHDIN, J.; SILNOVA, A.; DIEZ SÁNCHEZ, M.; BURGET, L. Leveraging Self-Supervised Learning for Speaker Diarization. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025.
p. 1-5. ISBN: 979-8-3503-6874-1. Detail - PÁLKA, P.; LANDINI, F.; KLEMENT, D.; DIEZ SÁNCHEZ, M.; SILNOVA, A.; DELCROIX, M.; BURGET, L. Joint Training of Speaker Embedding Extractor, Speech and Overlap Detection for Diarization. Proceedings of Eusipco 2025. Palermo: IEEE Signal Processing Society, 2025.
p. 1-5. Detail - PENG, J.; ASHIHARA, T.; DELCROIX, M.; OCHIAI, T.; PLCHOT, O.; ARAKI, S.; ČERNOCKÝ, J. TS-SUPERB: A Target Speech Processing Benchmark for Speech Self-Supervised Learning Models. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025.
p. 1-5. ISBN: 979-8-3503-6874-1. Detail - PENG, J.; MOŠNER, L.; ZHANG, L.; PLCHOT, O.; STAFYLAKIS, T.; BURGET, L.; ČERNOCKÝ, J. CA-MHFA: A Context-Aware Multi-Head Factorized Attentive Pooling for SSL-Based Speaker Verification. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025.
p. 1-5. ISBN: 979-8-3503-6874-1. Detail - POLOK, A.; KLEMENT, D.; WIESNER, M.; KHUDANPUR, S.; ČERNOCKÝ, J.; BURGET, L. Target Speaker ASR with Whisper. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025.
p. 1-5. ISBN: 979-8-3503-6874-1. Detail