Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A multi purpose and large scale speech corpus in Persian and English for speaker and speech Recognition: the DeepMine database

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU134977" target="_blank" >RIV/00216305:26230/19:PU134977 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.fit.vut.cz/research/publication/12153/" target="_blank" >https://www.fit.vut.cz/research/publication/12153/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ASRU46091.2019.9003882" target="_blank" >10.1109/ASRU46091.2019.9003882</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A multi purpose and large scale speech corpus in Persian and English for speaker and speech Recognition: the DeepMine database

  • Popis výsledku v původním jazyce

    DeepMine is a speech database in Persian and English designed to build and evaluate text-dependent, text-prompted, and textindependent speaker verification, as well as Persian speech recognition systems. It contains more than 1850 speakers and 540 thousand recordings overall, more than 480 hours of speech are transcribed. It is the first public large-scale speaker verification database in Persian, the largest public text-dependent and text-prompted speaker verification database in English, and the largest public evaluation dataset for text-independent speaker verification. It has a good coverage of age, gender, and accents. We provide several evaluation protocols for each part of the database to allow for research on different aspects of speaker verification. We also provide the results of several experiments that can be considered as baselines: HMM-based i-vectors for text-dependent speaker verification, and HMM-based as well as state-of-the-art deep neural network based ASR. We demonstrate that the database can serve for training robust ASR models.

  • Název v anglickém jazyce

    A multi purpose and large scale speech corpus in Persian and English for speaker and speech Recognition: the DeepMine database

  • Popis výsledku anglicky

    DeepMine is a speech database in Persian and English designed to build and evaluate text-dependent, text-prompted, and textindependent speaker verification, as well as Persian speech recognition systems. It contains more than 1850 speakers and 540 thousand recordings overall, more than 480 hours of speech are transcribed. It is the first public large-scale speaker verification database in Persian, the largest public text-dependent and text-prompted speaker verification database in English, and the largest public evaluation dataset for text-independent speaker verification. It has a good coverage of age, gender, and accents. We provide several evaluation protocols for each part of the database to allow for research on different aspects of speaker verification. We also provide the results of several experiments that can be considered as baselines: HMM-based i-vectors for text-dependent speaker verification, and HMM-based as well as state-of-the-art deep neural network based ASR. We demonstrate that the database can serve for training robust ASR models.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IEEE Automatic Speech Recognition and Understanding Workshop - Proceedings (ASRU)

  • ISBN

    978-1-7281-0306-8

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    397-402

  • Název nakladatele

    IEEE Signal Processing Society

  • Místo vydání

    Sentosa, Singapore

  • Místo konání akce

    Automatic Speech Recognition and Understanding W

  • Datum konání akce

    13. 11. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000539883100053