Detail předmětu

Zpracování řečových signálů

FIT-ZREAk. rok: 2014/2015

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.

Jazyk výuky

čeština, angličtina

Počet kreditů

Garant předmětu

prof. Dr. Ing. Jan Černocký

Zajišťuje ústav

Ústav počítačové grafiky a multimédií (UPGM)

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.

Prerekvizity

Nejsou žádné prerekvizity.

Způsob a kritéria hodnocení

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

Osnovy výuky

    Osnova přednášek:
    • 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.

    Osnova numerických cvičení:
    • Paramatrizace, DTW, HMM.
    • Prezentace projektů.

    Osnova počítačových cvičení:
      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).

Učební cíle

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.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

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

Základní literatura

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

Doporučená literatura

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

Zařazení předmětu ve studijních plánech

  • Program IT-MGR-2 magisterský navazující

    obor MBI , 0 ročník, letní semestr, povinně volitelný
    obor MBS , 0 ročník, letní semestr, volitelný
    obor MIN , 0 ročník, letní semestr, povinně volitelný
    obor MIS , 0 ročník, letní semestr, volitelný
    obor MMI , 0 ročník, letní semestr, povinně volitelný
    obor MMM , 0 ročník, letní semestr, volitelný
    obor MPV , 2 ročník, letní semestr, povinně volitelný
    obor MSK , 2 ročník, letní semestr, povinně volitelný
    obor MGM , 1 ročník, letní semestr, povinný