Text-to-Speech Alignment for Imperfect Transcriptions

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F13%3A%230002594" target="_blank" >RIV/46747885:24220/13:#0002594 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_6" target="_blank" >http://dx.doi.org/10.1007/978-3-642-40585-3_6</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_6" target="_blank" >10.1007/978-3-642-40585-3_6</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Text-to-Speech Alignment for Imperfect Transcriptions

Popis výsledku v původním jazyce

In this paper we propose a method for text-to-speech alignment intended for imperfect (text) transcriptions. We designed an ASR-based (automatic speech recognition) tool complemented with a special post-processing layer that finds anchor points in the transcription and then aligns the data between these anchor points. As the system is not dependent on usually employed keyword-spotter it is not as vulnerable to the noisy recordings as some other approaches. We also present other features of the system (e.g. keeping of the document structure and processing of the numbers) that allow us to use it in many other specific tasks. The performance is evaluated over a challenging set of recordings containing spontaneous speech with many hesitations, repetitionsetc. as well as over noisy recordings.

Název v anglickém jazyce

Text-to-Speech Alignment for Imperfect Transcriptions

Popis výsledku anglicky

In this paper we propose a method for text-to-speech alignment intended for imperfect (text) transcriptions. We designed an ASR-based (automatic speech recognition) tool complemented with a special post-processing layer that finds anchor points in the transcription and then aligns the data between these anchor points. As the system is not dependent on usually employed keyword-spotter it is not as vulnerable to the noisy recordings as some other approaches. We also present other features of the system (e.g. keeping of the document structure and processing of the numbers) that allow us to use it in many other specific tasks. The performance is evaluated over a challenging set of recordings containing spontaneous speech with many hesitations, repetitionsetc. as well as over noisy recordings.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01011204" target="_blank" >TA01011204: Živé archivy</a><br>

Návaznosti

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

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proc. of 16th International Conference TSD 2013

ISBN

9783642405846

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

536-543

Název nakladatele

Springer-Verlag Berlin Heidelber

Místo vydání

Německo, Berlín

Místo konání akce

Česká Republika

Datum konání akce

1. 1. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—