SEASR-CZE - speech recognizer for search purposes with models for the Czech language
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F12%3A43917996" target="_blank" >RIV/49777513:23520/12:43917996 - isvavai.cz</a>
Result on the web
<a href="http://www.kky.zcu.cz/cs/sw/SEASR-CZE" target="_blank" >http://www.kky.zcu.cz/cs/sw/SEASR-CZE</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
SEASR-CZE - rozpoznávač řeči pro účely vyhledávání s modely pro češtinu
Original language description
Standardní systém rozpoznávání řeči sestává z akustického modelu, modulu pro parametrizaci řeči a jazykového modelu. Akustické modely v našem systému jsou založeny na architektuře skrytých Markovových modelů (HMM), která představuje "lege artis" přístupv současném rozpoznávání mluvené řeči. Jsou použity standardní třístavové akustické modely s Gaussovskými směsmi. Model bere v úvahu trifónové závislosti včetně mezislovních. Řeč je parametrizována pomocí 15 PLP koeficientů a jejich delta a delta-delta derivací (tj. vektor příznaků má dimenzi 45). Příznaky jsou extrahovány 100x za vteřinu a je aplikována kepstrální normalizace na úrovni řečníka. Systém obsahuje též zobecněný model ticha a při jeho tvorbě byly použity špičkové metody pro adaptivní a diskriminativní trénování. Pokud se týká jazykového modelu, systém obsahuje dva základní modely - oba trigramové. První z nich je natrénován pouze z pomocí přepisů z "mateřské" domény, zatímco druhý využívá jako trénovací data texty z rozsáhl
Czech name
SEASR-CZE - rozpoznávač řeči pro účely vyhledávání s modely pro češtinu
Czech description
Standardní systém rozpoznávání řeči sestává z akustického modelu, modulu pro parametrizaci řeči a jazykového modelu. Akustické modely v našem systému jsou založeny na architektuře skrytých Markovových modelů (HMM), která představuje "lege artis" přístupv současném rozpoznávání mluvené řeči. Jsou použity standardní třístavové akustické modely s Gaussovskými směsmi. Model bere v úvahu trifónové závislosti včetně mezislovních. Řeč je parametrizována pomocí 15 PLP koeficientů a jejich delta a delta-delta derivací (tj. vektor příznaků má dimenzi 45). Příznaky jsou extrahovány 100x za vteřinu a je aplikována kepstrální normalizace na úrovni řečníka. Systém obsahuje též zobecněný model ticha a při jeho tvorbě byly použity špičkové metody pro adaptivní a diskriminativní trénování. Pokud se týká jazykového modelu, systém obsahuje dva základní modely - oba trigramové. První z nich je natrénován pouze z pomocí přepisů z "mateřské" domény, zatímco druhý využívá jako trénovací data texty z rozsáhl
Classification
Type
R - Software
CEP classification
AJ - Literature, mass media, audio-visual activities
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/DF12P01OVV022" target="_blank" >DF12P01OVV022: ASR- and MT-based Access to a Large Archive of Cultural Heritage (AMALACH)</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2012
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Internal product ID
SEASR_CZE
Technical parameters
Akustické modely - 3-stavové HMM, mezislovní trifónové závislosti, kepstrální normalizace, adaptivní a diskriminativní trénink. Extrakce příznaků - 15 PLP + delta + delta-delta. Jazykový model - trigram. Dekodér - dvouprůchodový, generování slovních a fonémových mřížek.
Economical parameters
Výsledek je plánovaným výstupem projektu DF12P01OVV022 "Zpřístupnění rozsáhlého video archivu kulturního dědictví pomocí metod automatického rozpoznávání mluvené řeči a strojového překladu. (AMALACH)". Slouží k automatickému zpracování audiovizuálního archivu metodami automatického rozpoznávání řeči do formy, která umožňuje rychlé a efektivní vyhledávání zadaných slov či frází.
Owner IČO
49777513
Owner name
Západočeská univerzita v Plzni