Cílem projektu "Umělá inteligence a jazykové a řečové technologie: od výzkumu k aplikacím" je:
1. Prohloubení a realizace spolupráce mezi výzkumnými organizacemi a aplikační sférou: konkrétně mezi Univerzitou Karlovou (Ústav formální a aplikované lingvistiky MFF UK); Vysokým učením technickým v Brně (Fakulta informačních technologií, FIT VUT) a firmami Phonexia s.r.o.; Mamma AI Coolma, s.r.o. a Phrase, a.s. například ve věci vzájemné výměny znalostí, ověření parametrů výzkumných výsledků pro jejich uplatnění v praxi a získání přístupu podniků k hraničnímu poznání a pokročilým metodám, modelům a technologiím.
2. Realizace naplánovaného komplexního výzkumného záměru a čtyřech pracovních balíčků (WP) ve spolupráci se subjekty aplikační sféry, zejména s Phonexia s.r.o.; Mamma AI Coolma, s.r.o. a Phrase a.s. a s dalšími spolupracujícími subjekty.
3. Příprava a podání společně zpracovaných projektových žádostí se subjekty z aplikační sféry: zejména v oblastech navazujících na plánované čtyři pracovní balíčky v rámci VZ1, a to účastí v národních i mezinárodních soutěžích/programech či v přístupových projektech ke kapacitám velkých výzkumných infrastruktur
4. Zapojení zástupců aplikační sféry do výuky: zejména potom odborníků z Phonexia s.r.o.; Mamma AI Coolma, s.r.o. a Phrase a.s., případně dalších spolupracujících subjektů v tématech souvisejících s navrženou výzkumnou agendou. 

Description in English
The aim of the project "Artificial intelligence and language and speech technologies: from research to applications" is: 1. Deepening and implementation of cooperation between research organizations and the application sphere: specifically between Charles University (Institute of Formal and Applied Linguistics, MFF UK); Higher technical education in Brno (Faculty of Information Technologies, FIT BUT) and the companies Phonexia s.r.o.; Mamma AI Coolma, s.r.o. and Phrase, a.s. for example, in the matter of mutual exchange of knowledge, verification of the parameters of research results for their application in practice and obtaining access of enterprises to frontier knowledge and advanced methods, models and technologies. 2. Realization of the planned comprehensive research plan and four work packages (WP) in cooperation with subjects of the application sphere, especially with Phonexia s.r.o.; Mamma AI Coolma, s.r.o. and Phrase a.s. and with other cooperating entities. 3. Preparation and submission of jointly processed project applications with subjects from the application sphere: especially in areas related to the planned four work packages within VZ1, namely participation in national and international competitions/programs or in access projects to the capacities of large research infrastructures 4. Involvement of representatives of the application sphere in teaching: especially then experts from Phonexia s.r.o.; Mamma AI Coolma, s.r.o. and Phrase a.s., or other cooperating entities in topics related to the proposed research agenda.

Keywords
Umělá inteligence, jazykové a řečové technologie

Key words in English
Artificial intelligence, language and speech technologies

EH23_020/0008518

Czech

Černocký Jan, prof. Dr. Ing. - principal person responsible
Diez Sánchez Mireia, M.Sc., Ph.D. - fellow researcher
Han Jiangyu - fellow researcher
Jírovec Martin, Ing. - fellow researcher
Kesiraju Santosh, Ph.D. - fellow researcher
Kocmanová Martina, Ing. - fellow researcher
Kudla Radim, Ing. - fellow researcher
Mošner Ladislav, Ing. - fellow researcher
Polok Alexander, Ing. - fellow researcher
Singh Prachi, B.Tech., Ph.D. - fellow researcher
Szőke Igor, Ing., Ph.D. - fellow researcher
Vendrame Katia, Ing. - fellow researcher

Department of Computer Graphics and Multimedia
- responsible department (29.1.2024 - not assigned)
Speech Data Mining Research Group BUT Speech@FIT
- internal (29.1.2024 - 31.12.2028)
Department of Computer Graphics and Multimedia
- co-beneficiary (29.1.2024 - 31.12.2028)

PENG, J.; ASHIHARA, T.; DELCROIX, M.; OCHIAI, T.; PLCHOT, O.; ARAKI, S.; ČERNOCKÝ, J. TS-SUPERB: A Target Speech Processing Benchmark for Speech Self-Supervised Learning Models. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025. p. 1-5. ISBN: 979-8-3503-6874-1.
Detail

POLOK, A.; KLEMENT, D.; KOCOUR, M.; HAN, J.; LANDINI, F.; YUSUF, B.; WIESNER, M.; KHUDANPUR, S.; ČERNOCKÝ, J.; BURGET, L. DiCoW: Diarization-Conditioned Whisper for Target Speaker Automatic Speech Recognition. COMPUTER SPEECH AND LANGUAGE, 2026, vol. 95, no. 1, p. 1-19.
Detail

PÁLKA, P.; LANDINI, F.; KLEMENT, D.; DIEZ SÁNCHEZ, M.; SILNOVA, A.; BURGET, L.; DELCROIX, M. Joint Training of Speaker Embedding Extractor, Speech and Overlap Detection for Diarization. Palermo: IEEE Signal Processing Society, 2025. p. 31-35. ISBN: 978-9-46-459362-4.
Detail

HAN, J.; LANDINI, F.; ROHDIN, J.; SILNOVA, A.; DIEZ SÁNCHEZ, M.; BURGET, L. Leveraging Self-Supervised Learning for Speaker Diarization. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025. p. 1-5. ISBN: 979-8-3503-6874-1.
Detail

PENG, J.; MOŠNER, L.; ZHANG, L.; PLCHOT, O.; STAFYLAKIS, T.; BURGET, L.; ČERNOCKÝ, J. CA-MHFA: A Context-Aware Multi-Head Factorized Attentive Pooling for SSL-Based Speaker Verification. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025. p. 1-5. ISBN: 979-8-3503-6874-1.
Detail

POLOK, A.; KLEMENT, D.; WIESNER, M.; KHUDANPUR, S.; ČERNOCKÝ, J.; BURGET, L. Target Speaker ASR with Whisper. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Hyderabad: IEEE Signal Processing Society, 2025. p. 1-5. ISBN: 979-8-3503-6874-1.
Detail

HEGDE, P.; KESIRAJU, S.; ŠVEC, J.; SEDLÁČEK, Š.; YUSUF, B.; PLCHOT, O.; DEEPAK, K.; ČERNOCKÝ, J. Factors affecting the in-context learning abilities of LLMs for dialogue state tracking. In Proceedings of the Annual Conference of the International Speech Communication Association Interspeech. Interspeech. Rotterdam, The Netherlands: International Speech Communication Association, 2025. p. 4818-4822.
Detail

HAN, J.; LANDINI, F.; ROHDIN, J.; SILNOVA, A.; DIEZ, M.; ČERNOCKÝ, J.; BURGET, L. Fine-tune Before Structured Pruning: Towards Compact and Accurate Self-Supervised Models for Speaker Diarization. In Proceedings of the Annual Conference of the International Speech Communication Association Interspeech. Interspeech. Rotterdam, The Netherlands: International Speech Communication Association, 2025. p. 1583-1587.
Detail

SEDLÁČEK, Š.; YUSUF, B.; ŠVEC, J.; HEGDE, P.; KESIRAJU, S.; PLCHOT, O.; ČERNOCKÝ, J. Approaching Dialogue State Tracking via Aligning Speech Encoders and LLMs. In Proceedings of the Annual Conference of the International Speech Communication Association Interspeech. Interspeech. Rotterdam, The Netherlands: International Speech Communication Association, 2025. p. 1748-1752.
Detail

Responsibility: Černocký Jan, prof. Dr. Ing.