Stranice predmeta

•Uvod u ASR i TTS: hronologija razvoja, terminologija, perspektive •Govor: produkcija i percepcija, priroda i karakteristike (t-f prikaz + labeliranje (AlfaNum)) •Govorni signal: analiza i prikaz na računaru (LPC, MFCC, PLP + vizuelizacija (Matlab)) •Obrada prirodnog jezika: modelovanje jezika (n-grami) + HMM (HTK) •Pristupi ASR-u (DTW, HMM, DNN), akustički, leksički i lingvistički modeli •Procedure ASR obuke: GMM, k-means, VQ, Baum-Welch, ML MMI, MWE MPE (HTK) •Algoritmi ASR dekodovanja: Viterbi, Token-passing, N-best (HTK) •Robustne ASR metode: VTN, CMN, potiskivanje šuma •Sinteza govora na osnovu teksta (TTS): jezička obrada teksta, sinteza (konkatenativna, HMM i DNN) •Prepoznavanje govornika (automatsko i forenzičko) •Prepoznavanje emocija u govoru •Modelovanje dijaloga, razumevanje govora (SLU) i dijaloški sistemi Praktična nastava: Studeni će na vežbama praktično raditi obradu i analizu govornih signala, izdvajanje obeležja i obuku algoritama mašinskog učenja sa ciljem prepoznavanja govora, ali i pola, starosti i identiteta govornika, kao i sinteze govora na osnovu teksta, te njihove integracije u dijaloške sisteme sa elementima obrade prirodnog jezika. Na vežbama će se uputiti u izradu svojih projekata i semestralnih radova koje će dovršiti individualno ili u manjim grupama, uz mogućnost da teme biraju uz konsultacije i komentorstvo partnera iz privrede