Systém pro rozpoznání hlasových povelů v reálném čase

Loading...
Thumbnail Image

Date

Authors

Šíbl, Evžen

Mark

A

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií

ORCID

Abstract

Bakalářská práce se zabývá tvorbou systému pro rozpoznání hlasových povelů. Klasifikátor tohoto systému byl vytvořený pomocí neuronové sítě. V práci se obeznámíte s historií a problematiku rozpoznání řeči. Byl vytvořený systém, který detekuje v nahrávce úsek obsahující řečový signál, který následně pomocí klasifikátoru rozhodne o jaké slovo z tabulky slov se jedná. Byly vytvořeny 3 modely se stejnou architekturou avšak s různými trénovacími daty. Tyto modely byly následně porovnány mezi sebou. Pro výsledný systém bylo vytvořené jednoduché uživatelské rozhraní.
The bachelor thesis deals with the development of a system for voice command recognition. The classifier of this system was created using a neural network. In this thesis you will learn about the history and problems of speech recognition. A system has been created that detects a section in a recording containing a speech signal, which then uses the classifier to decide what word from the word table it is. Three models with the same architecture but with different training data were created. These models were then compared with each other. A simple user interface was created for the resulting system.

Description

Citation

ŠÍBL, E. Systém pro rozpoznání hlasových povelů v reálném čase [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.

Document type

Document version

Date of access to the full text

Language of document

cs

Study field

Zvuková produkce a nahrávání

Comittee

prof. Ing. Zdeněk Smékal, CSc. (předseda) Ing. Jiří Přinosil, Ph.D. (místopředseda) Ing. Jaromír Mačák, Ph.D. (člen) prof. Ing. Jana Tučková, CSc., CSc. (člen) Ing.MgA. Edgar Mojdl, Ph.D. (člen) Ing. Hicham Atassi, Ph.D. (člen)

Date of acceptance

2022-06-16

Defence

Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta. Otázky: 1) V sekcii 1.3.2 ste uviedli obrázok 1.9, ktorý by mal znázorňovať rozdiel medzi koreláciou a konvolúciou. Prosím o stručné vysvetlenie rozdielu medzi týmito matematickými operáciami v súvislosti s uvedeným obrázkom. 2) V praktickej časti práce uvádzate, že ste naučili 3 modely neuronovej siete, každý model na inom datasete, respektíve dataset obsahujúci čisté pôvodné nahrávky, dataset obsahujúci nahrávky s pridanými ruchmi a dataset obsahujúci nahrávky s odstránenými ruchmi pomocou externej funkcie. Všetky 3 naučené modely dosiahli veľmi pekné výsledky. Nikde ale neuvádzate, aký ste zvolili pomer medzi trénovacou, validačnou a testovacou množinou z uvedených datasetov v priebehu procesu učenia. Aký postup ste zvolili na testovanie presnosti naučených modelov?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO