Detail předmětu
Zpracování řečových signálů (v angličtině)
FIT-ZREeAk. rok: 2019/2020
Aplikace počítačového zpracování řeči, číslicové zpracování řečových signálů, tvorba a slyšení řeči, úvod do fonetiky, předzpracování a základní parametry, lineárně-prediktivní model, cepstrum, určování základního tónu hlasu, kódování - časová oblast a vokodéry, rozpoznávání - DTW a HMM, syntéza. Software a knihovny pro zpracování řeči.
Garant předmětu
Zajišťuje ústav
Nabízen zahradničním studentům
Všech fakult
Výsledky učení předmětu
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.
Doporučená nebo povinná literatura
Gold, B., Morgan, N.: Speech and Audio Signal Processing, John Wiley & Sons, 2000, ISBN 0-471-35154-7
Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995, ISBN 80-200-0203-0
Způsob a kritéria hodnocení
- půlsemestrální test
- prezentace projektů
- presentace výsledků na poč. cvičeních
Jazyk výuky
angličtina
Cíl
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.
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
Osnova
- Úvod, aplikace zpracování řeči, relevatní vědní obory, informační obsah.
- Číslicové zpracování řečových signálů
- Tvorba a slyšení řeči, základní pojmy z psychoakustiky, aplikace ve zpracování řeči.
- Úvod do fonetiky, mezinárodní normy pro označování fonémů.
- Předzpracování a základní parametry.
- Lineárně-prediktivní model, spektrum pomocí lineární predikce. Aplikace LP.
- Cepstrální analýza, Mel-frekvenční cepstrum
- Určování základního tónu hlasu
- Kódování řeči.
- Rozpoznávání řeči, dynamické programování DTW, skryté Markovovy modely HMM
- Syntéza řeči
- Software a knihovny pro zpracování řeči.
Cvičení na počítači
26 hod., povinná
Vyučující / Lektor
Osnova
- V laboratořích (kromě poslední) je používán Matlab.
- Rámce, okna, spektrum, předzpracování.
- Lineární predikce (LPC).
- Určování základního tónu.
- Kódování.
- Rozpoznávání - Dynamic time Warping (DTW).
- Rozpoznávání - skryté Markovovy modely (Hidden Markov Model Toolkit - HTK).