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”

Investigation into the Use of WFSTs and DNNs for Speech Activity Detection in Broadcast Data Transcription

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F17%3A00004824" target="_blank" >RIV/46747885:24220/17:00004824 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-67876-4_16" target="_blank" >http://dx.doi.org/10.1007/978-3-319-67876-4_16</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-67876-4_16" target="_blank" >10.1007/978-3-319-67876-4_16</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Investigation into the Use of WFSTs and DNNs for Speech Activity Detection in Broadcast Data Transcription

  • Popis výsledku v původním jazyce

    This paper deals with the task of Speech Activity Detection (SAD). The main goal is to investigate a new SAD approach suitable for offline as well as online transcription of various radio/TV broadcasts containing a large amount of non-speech segments. For this purpose, Deep Neural Networks (DNNs) with various hyper-parameters are adopted and evaluated. Their training is carried out using artificially created mixtures of speech and non-speech signals. Our SAD scheme also utilizes a decoder based on Weighted Finite State Transducers (WFSTs). The decoder smooths the output from DNN, can operate online and utilizes context-based transduction model, where both speech and non-speech events are modeled using sequences of states. The final evaluation of the developed approach is carried out on standardized QUT-NOISE-TIMIT data set for SAD and in a real broadcast transcription system. The obtained results show that our SAD module yields state-of-the-art results on QUT-NOISE-TIMIT, and, at the same time, it is capable of (a) operating with low latency and (b) reducing the computational demands and error rate of the transcription system.

  • Název v anglickém jazyce

    Investigation into the Use of WFSTs and DNNs for Speech Activity Detection in Broadcast Data Transcription

  • Popis výsledku anglicky

    This paper deals with the task of Speech Activity Detection (SAD). The main goal is to investigate a new SAD approach suitable for offline as well as online transcription of various radio/TV broadcasts containing a large amount of non-speech segments. For this purpose, Deep Neural Networks (DNNs) with various hyper-parameters are adopted and evaluated. Their training is carried out using artificially created mixtures of speech and non-speech signals. Our SAD scheme also utilizes a decoder based on Weighted Finite State Transducers (WFSTs). The decoder smooths the output from DNN, can operate online and utilizes context-based transduction model, where both speech and non-speech events are modeled using sequences of states. The final evaluation of the developed approach is carried out on standardized QUT-NOISE-TIMIT data set for SAD and in a real broadcast transcription system. The obtained results show that our SAD module yields state-of-the-art results on QUT-NOISE-TIMIT, and, at the same time, it is capable of (a) operating with low latency and (b) reducing the computational demands and error rate of the transcription system.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20204 - Robotics and automatic control

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/TA04010199" target="_blank" >TA04010199: MULTILINMEDIA - Multilinguální platforma pro monitoring a analýzu multimédií</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • 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

    Communications in Computer and Information Science

  • ISBN

    978-331967875-7

  • ISSN

    1865-0929

  • e-ISSN

  • Počet stran výsledku

    18

  • Strana od-do

    341-358

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    Spolková republika Německo

  • Místo konání akce

    Lisbon; Portugal

  • Datum konání akce

    1. 1. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku