Rozpoznávání souvislé řeči s využitím neuronových sítí
Continuous Speech Recognition by Neural Networks
Type of document
bakalářská prácebachelor thesis
Author
Zvada Adam
Supervisor
Skrbek Miroslav
Opponent
Šimeček Ivan
Field of study
Teoretická informatikaStudy program
InformatikaInstitutions assigning rank
katedra teoretické informatikyRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Tato bakalářska práce se zaměřuje na oblast rozpoznávání řeči s pomocí neuronových sítí a klade si za cíl implementovat "end-to-end" rozpoznávač řeči jako hlasové uživatelské rozhraní pro robota NAO. Uvažovaná architektura rozpoznávače řeči je složena ze tří důležitých částí: extrakce příznaků signálu řeči za použtí metody mel-frekvenčních kepstrálních koeficientů, rozpoznávače v podobě rekurentní neuronové sítě s "long-short- term-memory" buňkami a algoritmu "connection temporal classification" k získání finalního převedeného textu. Výsledkem této práce je "end-to-end" rozpoznávač řeči, natrénovaný na VCTK korpusu a implementovaný v programovacím jazyce Python s využitím knihovny hlubokého učení TensorFlow. The aim of this bachelor thesis is to explore the field of speech recognition using neural networks with a goal to implement end-to-end speech recognizer as voice-user interface for robot NAO. The proposed speech recognizer architecture is consisted from three main components: feature extraction of speech signal using mel-frequency cepstrum coefficients method, recognizer as recurrent neural networks with long-short-term-memory cells, and connection temporal classification algorithm for predicting the final transcription. The result of this work is end-to-end speech recognizer trained on VCTK corpus and implemented in programming language Python, using deep learning library TensorFlow.
Collections
- Bakalářské práce - 18101 [348]