The purpose of the Joint Research is to develop Speech enhancement front-end for robust automatic speech recognition with large amount of training data through the cooperation of NTT and BUT. The work is relying on embeddings produced by neural networks in various places of the processing chain.

Popis česky
Cílem společného výzkumu je vyvinout technologie parametrizace s obohacováním řeči pro robustní automatické rozpoznávání řeči s velkým objemem trénovacích dat v rámci spolupráce mezi VUT a NTT. Práce je založena na nízkodimenzionálních reprezentacích dat (embeddings) produkovaných neuronovými sítěmi v různých místech řetězce zpracování.

Klíčová slova
speech recognition, robustness, large data, DNN embeddings

Klíčová slova česky
rozpoznávání řeči, odolnost, velký objem dat,

angličtina

Žmolíková Kateřina, Ing., Ph.D. - hlavní řešitel
Kocour Martin, Ing. - spoluřešitel
Švec Ján, Ing. - spoluřešitel

Ústav počítačové grafiky a multimédií
- odpovědné pracoviště (2.12.2020 - nezadáno)
Výzkumná skupina dolování dat z řeči BUT Speech@FIT
- interní (2.12.2020 - 31.12.2021)
NTT Corporation
- objednatel (2.12.2020 - 31.12.2021)
Ústav počítačové grafiky a multimédií
- příjemce (2.12.2020 - 31.12.2021)

DELCROIX, M.; ŽMOLÍKOVÁ, K.; OCHIAI, T.; KINOSHITA, K.; NAKATANI, T. Speaker activity driven neural speech extraction. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Toronto: IEEE Signal Processing Society, 2021. p. 6099-6103. ISBN: 978-1-7281-7605-5.
Detail

Odpovědnost: Žmolíková Kateřina, Ing., Ph.D.