Странице предмета

•Увод у ASR и TTS: хронологија развоја, терминологија, перспективе •Говор: продукција и перцепција, природа и карактеристике (t-f приказ + лабелирање (AlfaNum)) •Говорни сигнал: анализа и приказ на рачунару (LPC, MFCC, PLP + визуелизација (Matlab)) •Обрада природног језика: моделовање језика (n-grami) + HMM (HTK) •Приступи ASR-у (DTW, HMM, DNN), акустички, лексички и лингвистички модели •Процедуре ASR обуке: GMM, k-means, VQ, Baum-Welch, ML MMI, MWE MPE (HTK) •Алгоритми ASR декодовања: Viterbi, Token-passing, N-best (HTK) •Робустне ASR методе: VTN, CMN, потискивање шума •Синтеза говора на основу текста (TTS): језичка обрада текста, синтеза (конкатенативна, HMM и DNN) •Препознавање говорника (аутоматско и форензичко) •Препознавање емоција у говору •Моделовање дијалога, разумевање говора (SLU) и дијалошки системи Практична настава: Студени ће на вежбама практично радити обраду и анализу говорних сигнала, издвајање обележја и обуку алгоритама машинског учења са циљем препознавања говора, али и пола, старости и идентитета говорника, као и синтезе говора на основу текста, те њихове интеграције у дијалошке системе са елементима обраде природног језика. На вежбама ће се упутити у израду својих пројеката и семестралних радова које ће довршити индивидуално или у мањим групама, уз могућност да теме бирају уз консултације и коменторство партнера из привреде