Grundlagen der Automatischen Spracherkennung, WS13/14, Vorlesung

PODCAST · education

Grundlagen der Automatischen Spracherkennung, WS13/14, Vorlesung

Die Vorlesung erläutert den Aufbau eines modernen Spracherkennungssystems. Der Aufbau wird dabei motiviert ausgehend von der Produktion menschlicher Sprache und ihrer Eigenschaften. Es werden alle Verarbeitungsschritte von der Signalverarbeitung über das Training geeigneter, statistischer Modelle, bis hin zur eigentlichen Erkennung ausführlich behandelt.Dabei stehen statistische Methoden, wie sie in aktuellen Spracherkennungssystemen verwendet werden, im Vordergrund. Somit wird der Stand der Technik in der automatischen Spracherkennung vermittelt. Ferner werden alternative Methoden vorgestellt, aus denen sich die aktuellen entwickelt haben und die zum Teil noch in spezialisierten Fällen in der Spracherkennung zum Einsatz kommen.Anhand von Beispielanwendungen und Beispielen aus aktuellen Projekten wird der Stand der Technik und die Leistungsfähigkeit moderner Systeme veranschaulicht. Zusätzlich zu den grundlegenden Techniken wird auch eine Einführung in die weiterführenden Techniken a

  1. 26
  2. 25
  3. 24
  4. 23
  5. 22
  6. 21

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 29.01.2014

    Dynamische Modalitäten, Aussprache-Wörterbuch-Generierung und Suche.

  7. 20
  8. 19

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 22.01.2014

    Polyphone, Diskrete Entropiedistanz. Computer Supported Human-Human Multilingual Communication.

  9. 18
  10. 17

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 15.01.2014

    Vokabular-Selektion, Aussprachvarianten, Sprachmodelle und Neuronale Netze.

  11. 16

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 13.01.2014

    Sprachmodellierung: Interpolation, Discounting und Back-Off, Good Turing Discounting und Vokabular-Selektion.

  12. 15

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 08.01.2014

    Sprachmodellierung: Motivation und Probleme, Makov Annahme und n-Gramme, Beispiel, Corpora, Perplexität und Smoothing.

  13. 14

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 13.11.2013

    Laplace Transformation, LTI-Systeme, Kurzzeitspektralanalyse und Fensterfunktionen.

  14. 13
  15. 12
  16. 11
  17. 10

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 02.12.2013

    Normalverteilung, Normalmischverteilung, K-Nächster Nachbar, K-Mittelwerte, VQ, LVQ

  18. 9

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 27.11.2013

    DTW wrap up, One Stage DP, Normalverteilung, Normalmischverteilung, K-nächster Nachbar, K-Mittelwerte, VG, LVQ.

  19. 8

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 25.11.2013

    Linear predictive coding (LPC), Klassifikation und Spracherkennung mit Dynamic Time Warping (DTW).

  20. 7

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 20.11.2013

    Kurzzeitspektralanalyse, Mel-Skalierung, Vokaldreieck, Cepstrum, Dynamische Eigenschaften, Reduzierung der Dimension.

  21. 6

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 11.11.2013

    Grundlagen der Signalverarbeitung: LTI-Systeme. Dirac Distribution, Fouriertransformation, Digitalisierung.

  22. 5
  23. 4
  24. 3
  25. 2

    Grundlagen der Automatischen Spracherkennung, WS 2013/2014, gehalten am 23.10.2013

    Einführung und Anwendungen: Nachteile von Spracherkennung (ASR). Warum ist ASR schwierig? Kleine Taxonomie von Sprache. Ein kleines Experiment.

  26. 1

Type above to search every episode's transcript for a word or phrase. Matches are scoped to this podcast.

Searching…

No matches for "" in this podcast's transcripts.

Showing of matches

No topics indexed yet for this podcast.

Loading reviews...

ABOUT THIS SHOW

Die Vorlesung erläutert den Aufbau eines modernen Spracherkennungssystems. Der Aufbau wird dabei motiviert ausgehend von der Produktion menschlicher Sprache und ihrer Eigenschaften. Es werden alle Verarbeitungsschritte von der Signalverarbeitung über das Training geeigneter, statistischer Modelle, bis hin zur eigentlichen Erkennung ausführlich behandelt.Dabei stehen statistische Methoden, wie sie in aktuellen Spracherkennungssystemen verwendet werden, im Vordergrund. Somit wird der Stand der Technik in der automatischen Spracherkennung vermittelt. Ferner werden alternative Methoden vorgestellt, aus denen sich die aktuellen entwickelt haben und die zum Teil noch in spezialisierten Fällen in der Spracherkennung zum Einsatz kommen.Anhand von Beispielanwendungen und Beispielen aus aktuellen Projekten wird der Stand der Technik und die Leistungsfähigkeit moderner Systeme veranschaulicht. Zusätzlich zu den grundlegenden Techniken wird auch eine Einführung in die weiterführenden Techniken a

HOSTED BY

Karlsruher Institut für Technologie (KIT)

CATEGORIES

URL copied to clipboard!