|
|
Ve stopách Leoše Janáčka - převod řeči na hudbu
Marciniak, Petr ; Glembek, Ondřej (oponent) ; Černocký, Jan (vedoucí práce)
Tato bakalářská práce popisuje vývoj aplikace pro převod řeči z nahrávky ve formátu WAV na hudbu uloženou ve formátu MIDI. V úvodní části je čtenář uveden do problematiky. Následuje popis teoretických základů zpracování řeči a následného generování hudby. Dále jsou diskutovány počáteční experimenty, jako generování základní melodie, průměrování tónů, detekce slabik atp., za účelem určení, které z těchto technik mají pozitivní vliv na poslouchatelnost vytvořené hudby, a proto by měly být ve výsledné aplikaci implementovány. Následně jsou definována základní kritéria krásy z hlediska generování hudby a jsou diskutovány různé skladatelské techniky, jako např. inverze tónů nebo změna tempa. Následuje popis implementace a vyhodnocení provedených testů. V závěrečné části je celá práce zhodnocena a je zde i krátké zamyšlení nad možnými dalšími směry vývoje tohoto systému. V příloze je možné najít uživatelský manuál k aplikaci a dále také seznam nástrojů použitých pro implementaci.
|
|
|
Analýza a klasifikace dat ze snímače mozkové aktivity
Jileček, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
V této práci zkoumám snímač mozkové aktivity OpenBCI Ultracortex IV EEG ve formě headsetu, problematiku nahrávání EEG dat, neurofeedbacku a metody strojového učení z nasbíraných dat mozkové aktivity sensorimotorické části mozku, ve které sleduji EEG signatury záměru pro pohyb levé a pravé ruky. Výstupem je několik datových sad pro trénování a testování, nástroj pro sběr dat mozkové aktivity, demo neurofeedback aplikace a statistické údaje vycházející z analýzy nasbíraných dat. Čerpám zde z existujících výzkumů, se kterými porovnávám dosažené výsledky. Použité metody a jejich úspěšnost popíšu a vyhodnotím jejich efektivitu.
|
|
| |
|
|
Převod záznamu piana z WAV do MIDI
Bednařík, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Cílem této práce je návrh systému pro strojový převod polyfonních nahrávek piana z audio formátu WAV do MIDI. Práce popisuje problematiku rozpoznání tónů v hudebních záznamech a předkládá návrh řešení postavený na pravděpodobnostním modelu využívajícím metodu Probabilistic Latent Component Analysis. Pro trénování modelu byly použity nahrávky jednotlivých tónů digitálního piana. Navržený systém byl následně testován na sadě syntetizovaných nahrávek klasické hudby z databáze Classical Piano Midi i na sadě nahrávek piana Korg SP-250 a následně byl vyhodnocen za pomoci odlišných metrik. V závěru jsou výsledky úspěšnosti rozpoznání porovnány s jinými již existujícími systémy.
|
|
|
Codec Detection from Speech
Jon, Josef ; Matějka, Pavel (oponent) ; Černocký, Jan (vedoucí práce)
This thesis deals with codec detection from compressed speech signal. The primary goal was to identify which features distinguish selected codecs, and then create an environment facilitating experiments with various types of classifiers and their configurations. Support vector machines and neural networks, modeled using the Keras library, were used. The main contribution of this work is the experimental part, in which the effects of the neural networks parameters are discussed. After tuning the parameters and finding their optimal values, the network achieved accuracy over 98% on a test set comprising data from six different codecs.
|
|
|
STATISTICAL LANGUAGE MODELS BASED ON NEURAL NETWORKS
Mikolov, Tomáš ; Zweig, Geoffrey (oponent) ; Hajič,, Jan (oponent) ; Černocký, Jan (vedoucí práce)
Statistical language models are crucial part of many successful applications, such as automatic speech recognition and statistical machine translation (for example well-known Google Translate). Traditional techniques for estimating these models are based on Ngram counts. Despite known weaknesses of N-grams and huge efforts of research communities across many fields (speech recognition, machine translation, neuroscience, artificial intelligence, natural language processing, data compression, psychology etc.), N-grams remained basically the state-of-the-art. The goal of this thesis is to present various architectures of language models that are based on artificial neural networks. Although these models are computationally more expensive than N-gram models, with the presented techniques it is possible to apply them to state-of-the-art systems efficiently. Achieved reductions of word error rate of speech recognition systems are up to 20%, against stateof-the-art N-gram model. The presented recurrent neural network based model achieves the best published performance on well-known Penn Treebank setup.
|
|
|
Real-Time Processing of Intracranial EEG Signals
Begáň, Patrik ; Malik, Aamir Saeed (oponent) ; Černocký, Jan (vedoucí práce)
In this thesis, we designed and implemented a tool that is able to process intracranial EEG signals in real-time. That is done by applying functions for computing various iEEG biomarkers implemented in python library Epycom on the incoming data stream and storing the results into the database. We compared results computed by our tool against the offline computations and evaluated if real-time signal processing is suitable for clinical practice.
|
|
|
Vyhledávání v hudebních signálech
Skála, František ; Szőke, Igor (oponent) ; Černocký, Jan (vedoucí práce)
Tato práce obsahuje přehled metod používaných v oblasti získávání informací z hudby, zejména pro účely vyhledávání hudebních nahrávek. Představeno je několik již existujících služeb, které se vyhledáváním a identifikací nahrávek zabývají, a jsou popsány jejich metody pro identifikaci nahrávky. Práce se dále zabývá možnými úpravami těchto postupů pro vyhledávání cover verzí písniček a pro možnost hledání na základě hlasem zadávaných vzorků.
|
|
|
Conversion of Whispered to Normal Voice
Gajda, Richard ; Černocký, Jan (oponent) ; Brukner, Jan (vedoucí práce)
The aim of this thesis is to develop a working program, that converts whispered speech input into voice using vocal excitation prediction, which is obtained from a neural network. The work is based on a study from Indian Institute of Science in Bengalore, India. The approach to the solution is the following: to acquire a dataset from training speakers, to implement the speech parameterization using the WORLD vocoder, to implement and train the neural networks, to experiment, to evaluate the results and, finally, to propose future applications and improvements.
|
|
|
Lossless Encoding of Signals from Microphone Array
Kálazi, Adrián ; Malenovský, Vladimír (oponent) ; Černocký, Jan (vedoucí práce)
Lossless audio coding is increasingly important for properly archiving and preserving audio in its original form. To achieve a good compression ratio, lossless encoding techniques such as linear prediction and Rice coding are often applied to the original audio in order to minimize its entropy and preserve the original signal bit-precisely with a reduced size. This thesis explores the possibilities of efficiently encoding multi-channel audio in a way that exploits the similarity between multiple channels in order to achieve better compression ratios. This thesis also explores the techniques employed by FLAC in more depth while also providing solutions to a few problems that FLAC fails to address.
|
host ::
RSS.