|
|
Speaker Recognition in the VoIP Environment
Remeš, Jan ; Pešán, Jan (oponent) ; Plchot, Oldřich (vedoucí práce)
This work describes using speaker recognition systems in the VoIP environment, system performance and approaches to improving it. System architecture, evaluation metrics and VoIP technology key components from the view of speaker recognition are described. VoIP environment simulation is described. Speaker recognition system's performance is evaluated on data sets from various kinds of VoIP environments and the results are demonstrated. System adaptation and calibration is performed and their benefits are discussed.
|
|
|
Webový editor audia
Myler, Jan ; Pešán, Jan (oponent) ; Schwarz, Petr (vedoucí práce)
Tato práce se zabývá tvorbou jednoduchého webového editoru audia s využitím JavaScriptu, HTML5 a nových webových API pro zpracování zvuku (zejména Web Audio API). Popisuje současný stav vývoje a implementace API pro zpracování zvuku v prohlížečích. Dále obsahuje popis návrhu výsledné aplikace až po její implementaci. V závěru práce se nachází shrnutí poznatků získaných při vývoji aplikace a návrh možného budoucího využití a rozšíření.
|
|
|
Adhoc VoIP pro Maemo/Meego
Klapal, Tomáš ; Pešán, Jan (oponent) ; Mlích, Jozef (vedoucí práce)
Tato bakalářská práce se zabývá zpracováním a přenosem zvuku přes bezdrátovou počítačovou síť. Rovněž pak návrhem aplikace pro hlasovou komunikaci na platformě Maemo. Nejprve je představena platforma. Poté popsána práce se zvukem. Dále pak počítačové sítě a komunikace v nich. Rovněž jsou popsány dostupné aplikace. V druhé polovině dokumentu je řešen návrh a implementace vlastní aplikace z pohledu jednotlivých modulů. Na závěr jsou zmíněna její omezení a navržena možná rozšíření.
|
|
|
Zobrazování uživatelských výslovností pro elektronické slovníky
Pešán, Jan ; Chalupníček, Kamil (oponent) ; Černocký, Jan (vedoucí práce)
Tato bakalářská práce se pokouší nalézt nový směr vývoje v oblasti učebních schopností elektronických slovníků. V první části je uvedeno představení základní myšlenky možnosti učení výslovnosti pomocí vizualizace fonémů. Následuje kapitola zabývající se obecným úvodem do metod zpracování řeči využívaných v této práci jako např. HMM nebo Viterbiho algoritmus. Ve třetí kapitole jsou popsány nástroje, pomocí kterých byla provedena implementace celého systému. Další kapitola rozebírá podrobně použitou technologii neuronových sítí jako systému odhadu věrohodností fonémů, popisuje problém kompatibility fonémových sad a použité modely fonémů. Kapitola 5 popisuje konkrétně samotnou implementaci systému. Zde jsou také popsány nástroje použité k přípravě dat pro systém. Ve dvou závěrečných kapitolách je poté obsaženo krátké uživatelské testování společně se screenshoty a zhodnocením celého projektu. Zde jsou také nastíněny další možné cesty vývoje tohoto systému.
|
|
| |
|
|
Adaptace systémů pro rozpoznání mluvčího
Novotný, Ondřej ; Pešán, Jan (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci navrhneme techniky adaptace systémů na rozpoznávání řeči. Cílem je vytvořit techniku adaptace Pravděpodobnostní lineární diskriminační analýzy. Zaměříme se na adap-taci bez učitele. Naše testy ukáží vhodné shlukovací techniky pro odhad identity mluvčích a vhodné techniky na odhad počtu mluvčích v adaptační datové sadě. Experimenty jsou prováděny na korpusech NIST a Switchboard.
|
|
|
Diktovací systém pro platformu Android
Horák, Miroslav ; Pešán, Jan (oponent) ; Schwarz, Petr (vedoucí práce)
Cílem této bakalářské práce je vytvořit distribuovaný diktovací systém. Diktování bude probíhat v reálném čase. Klientská část je určena pro platformu Android. Serverová část je určena pro Windows OS. Pro přepis řeči bude využito již existující jádro rozpoznávacího systému.
|
|
|
Application of Mean Normalized Stochastic Gradient Descent for Speech Recognition
Klusáček, Jan ; Hradiš, Michal (oponent) ; Pešán, Jan (vedoucí práce)
The artificial neural networks are on the rise in recent years. One possible optimization technique is mean-normalized stochastic gradient descent recently proposes by Wiesler et al. [1]. This work further explains and examines this method on phoneme classification task. Not all findings of Wiesler et al. can be confirmed. The mean-normalized SGD is helpful only if the network is large enough (but not too deep) and if the sigmoid non-linear function is used. Otherwise, the mean-normalized SGD slightly impairs the network performance and therefore cannot be recommended as a general optimization technique. [1] Simon Wiesler, Alexander Richard, Ralf Schluter, and Hermann Ney. Mean-normalized stochastic gradient for large-scale deep learning. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on, pages 180{184. IEEE, 2014.
|
|
|
Odemykání brány hlasem
Bauer, Jan ; Pešán, Jan (oponent) ; Schwarz, Petr (vedoucí práce)
Cílem této práce je vytvoření zařízení pro autentizaci řečníka podle hlasu. V řešení je použito knihovny BSAPI, která byla vyvinuta společností Phonexia. Knihovna je napsána v jazyce C++ a byla portována na zařízení Raspberry Pi B+. Správný chod je zajištěn skriptem napsaným v jazyce Python. Vytvořené řešení je určitě zajímavé a může se v budoucnu stát spolehlivým bezpečnostním systémem.
|
|
|
Predikce deště z meteoradaru
Vlček, Michael ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá předpovědí počasí s využitím meteoradarových snímků a některých dalších souvisejících faktorů prostřednictvím výpočetního modelu neuronové sítě. Klade si za cíl prozkoumat možnosti predikce pomocí tohoto modelu a experimentálně stanovit co nejúspěšnější konfiguraci modelu pro vykonávání vybrané činnosti.
|
host ::
RSS.