Automatic online subtitling of the Czech parliament meetings

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F06%3A00000013" target="_blank" >RIV/49777513:23520/06:00000013 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Automatic online subtitling of the Czech parliament meetings

Original language description

This paper describes a LVCSR system for automatic online subtitling (closed captioning) of TV transmissions of the Czech Parliament meetings. The recognition system is based on Hidden Markov Models, lexical trees and bigram language model. The acoustic model is trained on 40 hours of parliament speech and the language model on more than 10M tokens of parliament speech trancriptions. The first part of the article is focused on text normalization and class-based language model preparation. The second partdescribes the recognition network and its decoding with respect to real-time operation demands using up to 100k vocabulary. The third part outlines the application framework allowing generation and displaying of subtitles for any audio/video source. Finally, experimental results obtained on parliament speeches with recognition accuracy varying from 80 to 95 % (according to the discussed topic) are reported and discussed.

Czech name

Automatické online titulkování parlamentních přenosů

Czech description

Článek popisuje LVCSR systém pro automatické online titulkování TV přenosů zasedání českého parlamentu. Rozpoznávací systém je založen na skrytých markovových modelech (HMM), lexikálních stromech a bigramovém jazykovém modelu. Akustický model je natrénován na 40 hodinách parlamentních schůzí a jazykový model na více než 10M slov přepisů parlamentních schůzí. První část článku se zabývá normalizací textu a přípravou třídového jazykového modelu. Druhá část popisuje rozpoznávací síť a její dekódování s ohledem práci v reálném čase se slovníkem až 100k slov. Třetí část nastiňuje strukturu aplikace umožňující generování a zobrazování titulků pro libovolný audio/video zdroj. Závěrem jsou prezentovány a diskutovány experimentální výsledky parlamentních schůzís přesností rozpoznávání od 80 do 95 % (podle diskutovaného tématu).

Type

D - Article in proceedings

CEP classification

JD - Use of computers, robotics and its application

OECD FORD branch

—

Project

<a href="/en/project/1QS101470516" target="_blank" >1QS101470516: Automatic keyword spotting in audio data streams</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2006

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Lecture Notes in Artificial Intelligence

ISBN

3-540-39090-1

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

—

Publisher name

Springer

Place of publication

Berlin

Event location

—

Event date

—

Type of event by nationality

—

UT code for WoS article

000241103500063