Rozpoznávání řeči s dostupnými internetovými moduly

Abstract

Tato práce prozkoumává možnosti využití on-line modulů pro převod řeči do textu při tvorbě aplikace sloužící k přepisu obsahu multimediálních souborů. Jsou zde stručně popsány základní principy využívané v automatickém rozpoznávání řeči a shrnuty vlastnosti jednotlivých dostupných rozpoznávačů, zahrnující jejich funkce, podporované jazyky a finanční podmínky použití. Pro vývoj aplikace byl zvolen modul Google Cloud Speech-to-Text API. Způsob jeho použití a dostupné funkce jsou popsány podrobněji a je vyhodnocena dosažená kvalita přepisu promluv v českém jazyce. Závěrečná část práce je věnována popisu vývoje realizované aplikace, jejímu použití a implementovaným funkcím.

This thesis explores the possibilities of using online speech-to-text engines to develop an app used for multimedia content transcription. A brief description of fundamental principles used in automatic speech recognition is provided, as well as a summary of available online recognizers, their features, supported languages and usage fees. Google Cloud Speech-to-Text API was chosen for the development task. Its usage and available features are described in more detail and its performance on czech-spoken utterances is evaluated. The final part of the thesis describes development of the app, its features and usage.