Detail předmětu

Zpracování řečových signálů (v angličtině)

FIT-ZREeAk. rok: 2022/2023

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

angličtina

Počet kreditů

Garant předmětu

prof. Dr. Ing. Jan Černocký

Zajišťuje ústav

Ústav počítačové grafiky a multimédií (UPGM)

Nabízen zahraničním 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.

Způsob a kritéria hodnocení

půlsemestrální test
prezentace projektů
presentace výsledků na poč. cvičeních

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.

Doporučená literatura

Gold, B., Morgan, N.: Speech and Audio Signal Processing, John Wiley & Sons, 2000, ISBN 0-471-35154-7 (EN)
Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995, ISBN 80-200-0203-0 (EN)
(EN)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

Program IT-MGR-1H magisterský navazující
obor MGH , 1 ročník, letní semestr, doporučený kurs
Program IT-MGR-2 magisterský navazující
obor MGMe , 1 ročník, letní semestr, povinný
Program MIT-EN magisterský navazující 0 ročník, letní semestr, volitelný

Typ (způsob) výuky

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. František Grézl, Ph.D.

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