Předměty doktorandského studia

• XP31FON - Fonetika řeči a pokročilé hlasové technologie (v doktorském programu Akustika a Biomedicínské inženýrství)

Aktuálně nabízená rámcová témata disertačních prací:

• Moderní metody rozpoznávání silně narušené řeči na bázi hlubokých neuronových sítí
  Současné rozpoznávače řeči dosahují v běžných úlohách vysoké úspěšnosti. Přesnost při rozpoznávání narušené řeči je však stále velmi nízká, a to zejména v případě silně narušené řeči (např. snímané vzdáleným mikrofonem, ovlivněné šumem či Lombardovým efektem). Výzkum v rámci této práce bude zaměřen v první řadě na výběr, systematickou analýzu a optimalizaci vhodné metody akustického modelování na bázi DNN-HMM (výběr a optimalizace architektury neuronové sítě typu CNN, BLSTM, apod.) i na analýzu vlivu případného předzpracování narušené řeči. Aplikace lze nalézt při hlasovém ovládání různých zařízení či diktování v reálném prostředí inteligentního domu, v jedoucím automobilu i mnoha dalších aplikacích.

• Optimalizace jazykového modelování pro rozpoznávání spontánní a neformální řeči
  Jazykové modelování je nezbytnou a klíčovou součástí rozpoznávání spojité řeči. Zejména při rozpoznávání spontánní řeči současně hojně používané statistické n-gramové modely narážejí na své limity. Moderní metody jazykového modelování využívají třídy, morfologické informace či přístupy k modelování na bázi neuronových sítí. Objevují se první práce využívající hlubokých sítí, které mohou mít potenciál zejména pro jazykové modely spontánní řeči. Optimalizace jazykových modelů pro rozpoznávání spontánní resp. neformální řeči využívající tyto moderní přístupy je hlavním obecným cílem této práce. Druhým praktickým cílem práce je zvážení možnosti průběžné tvorby či aktualizace jazykových modelů z dostupných on-line zdrojů.

• Použití hlubokých neuronových sítí v systémech pro zvýrazňování řeči
  Výzkum v rámci této práce bude zaměřen především na nové možnosti použití a trénování hlubokých neuronových sítí (DNN) v úloze zvýrazňování řeči. Neuronové sítě se v současné době používají v oblasti hlasových technologií zejména jako jádro moderních DNN-HMM rozpoznávačů řeči či pro výpočet aposteriorních pravděpodobností různých tříd (fonémů, artikulačních příznaků resp. informace o řečové aktivitě). Analýza možností využití odhadnutých aposteriorních příznaků v algoritmech zvýrazňování řeči pro jednokanálový příp. vícekanálový systém bude hlavním cílem výzkumu v této oblasti. Zvláštní pozornost bude věnovaná možnostem zvýraznění řeči narušené intenzivním resp. silně nestacionárním šumem pozadí.

Realizované a aktuálně vedené disertační práce:

Ing. Petr Mizera, PhD. - (2020) : Rozpoznávání řeči na bázi artikulačních příznaků
Ing. Michal Borský, PhD. - 2017 : Robust recognition of strongly distorted speech
Ing. Josef Rajnoha, PhD. - 2013 : Modelování neřečových událostí v robustních rozpoznávačích řeči
Ing. Jiří Tatarinov, PhD. - 2011 : Detektory řečové aktivity na bázi skrytých Markovových modelů
Ing. Hynek Bořil, PhD. - 2008 : Robust Speech Recognition: Analysis and Equalization of Lombard Effect in Czech Corpora
Ing. Petr Fousek, PhD. - 2007 : Extraction of Features for Automatic Recognition of Speech Based on Spectral Dynamics

Ing. Petr Opršal, PhD. - 2007 (VŠB Ostrava, školitel specialista) : Metody zvýrazňování řeči na bázi Wavelet transformace.
Ing. Josef Vopička, PhD. - 2004 (školitel specialista) : Vyhledávání klíčových elemntů v souvislé promluvě
Ing. Jan Ingerle, PhD. - 2003 (školitel specialista) : Metody zvýrazňování řečového signálu kombinující směrový příjem s postfiltrací