bakalářská práce

Klasifikace řečníků ze silně zarušených signálů

Text práce 2.52 MB Příloha 14.96 MB

Autor práce: Bc. Kamil Teodor Hvolka

Ak. rok: 2025/2026

Vedoucí: Ing. Ondřej Mokrý, Ph.D.

Oponent: Ing. Petr Dejdar, Ph.D.

Abstrakt:

Tato práce se zabývá detekcí řečové aktivity, rozpoznáváním řečníků a diarizací řečníků v silně zašuměných a filtrovaných nahrávkách. V teoretickém úvodu je popsáno předzpracování řečového signálu. Následně jsou uvedeny a popsány příznaky, které jsou použity v implementovaných metodách a způsob jejich prahování. Dále jsou zmíněny volně dostupné detektory na bázi neuronových sítí a metody používané při klasifikaci řečníků. Práce se dále zabývá popisem databáze, jak byla sestavena a rozšířená a poté je popsán signál získaný snímáním optického vlákna. V práci byly porovnány klasické metody detekce řeči s moderním přístupem trénování modelu pomocí neuronových sítí. Posledním bodem této práce bylo otestování natrénovaného modelu pro rozeznání řečníků a diarizaci na uměle vytvořených nahrávkách, které mají charakter jako nahrávky získané z optických vláken.

Klíčová slova:

Detektor řeči, šumové pozadí, klasifikace, optická vlákna

Termín obhajoby

18.06.2026

Výsledek obhajoby

obhájeno (práce byla úspěšně obhájena)

znamkaBznamka

Klasifikace

B

Průběh obhajoby

Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta. Jaké hlavní faktory podle Vás nejvíce ovlivňují úspěšnost rozpoznávání řečníků v signálech získaných z optických vláken? Jaký mezní kmitočet má použité vlákno? Student dostatečně vystvětlil otázky.

Jazyk práce

čeština

Fakulta

Fakulta elektrotechniky a komunikačních technologií

Ústav

Ústav telekomunikací

Studijní program

Audio inženýrství (BPC-AUD)

Specializace

Zvuková produkce a nahrávání (AUDB-ZVUK)

Složení komise

prof. Ing. Jiří Mekyska, Ph.D. (předseda)
RNDr. Lubor Přikryl (místopředseda)
Ing. Ladislav Káňa (člen)
Ing. Benjamin Nimmerrichter (člen)
Ing. Štěpán Miklánek, Ph.D. (člen)

Posudek vedoucího
Ing. Ondřej Mokrý, Ph.D.

Student v rámci řešení bakalářské práce sestavil databázi optovláknových nahrávek (skutečných i simulovaných) a implementoval, naučil a otestoval několik modelů pro detekci řeči a řečníků. V průběhu řešení postupoval samostatně a pracoval průběžně. Drobnou výhradou je chybějící statistické vyhodnocení výsledů, jinak považuji zadání za splněné.

Z praktického pohledu se jedná o kvalitní práci. Text je však průměrný z pohledu sazby a jazykově spíše slabý – často je používán neodborný až hovorový jazyk s množstvím stylistických i gramatických chyb. Grafické výstupy jsou nejednotné a ne vždy vhodně volené.

S přihlédnutím k samostatnosti a iniciativě v průběhu řešení i praktické využitelnosti výsledků doporučuji práci k obhajobě s hodnocením 85 bodů. Výsledný počet bodů navržený vedoucím: 85

Známka navržená vedoucím: B

Posudek oponenta
Ing. Petr Dejdar, Ph.D.

Bakalářská práce se zabývá detekcí řečové aktivity, rozpoznáváním a diarizací řečníků v silně zašuměných signálech získaných pomocí optických vláken. Jedná se o zajímavé a aktuální téma využívající metody zpracování řečových signálů a strojového učení.

Autor v teoretické části přehledně shrnuje základní principy detekce řeči a klasifikace řečníků. Praktická část obsahuje návrh a implementaci několika metod VAD, jejich porovnání s moderními přístupy založenými na neuronových sítích a následné využití při rozpoznávání a diarizaci řečníků. Oceňuji zejména rozsah provedených experimentů a vytvoření vlastní databáze nahrávek včetně její následné úpravy a rozšíření.

Práce je po odborné stránce na dobré úrovni a dosažené výsledky potvrzují splnění stanovených cílů. Po formální stránce se však vyskytují jazykové a stylistické nedostatky. Některé výsledky mohly být podrobněji diskutovány a práci by prospělo použití kvalitnějších obrázků. V textu se rovněž nachází větší množství překlepů, zápis rovnic není zcela konzistentní a seznam literatury kombinuje několik různých citačních stylů.

Přes uvedené výhrady práce splňuje požadavky kladené na bakalářské práce. Práci doporučuji k obhajobě a navrhuji hodnocení B / 80 bodů. Otázky k obhajobě:
  1. Jaké hlavní faktory podle Vás nejvíce ovlivňují úspěšnost rozpoznávání řečníků v signálech získaných z optických vláken?
Výsledný počet bodů navržený oponentem: 80

Známka navržená oponentem: B

Odpovědnost: Mgr. et Mgr. Hana Odstrčilová