Skončil mezinárodní výzkumný workshop JSALT 2025

Recepcí v prostorách rektorátu VUT byl v pátek 1. srpna ukončen mezinárodní výzkumný workshop JSALT 2025, organizovaný institucí Center for Language and Speech Processing marylandské Johns Hopkins University. Akce, do jejíhož 32. ročníku se letos zapojilo více než 100 výzkumníků z 22 zemí světa působících na poli řečových a jazykových technologií, probíhala na Fakultě informačních technologií VUT po dobu 6 týdnů (přičemž jí předcházela letní škola). Základem programu byla vědecká práce 4 výzkumných týmů, které během posledních dnů workshopu prezentovaly své závěry, jež spojuje téma strojového učení aplikovaného na lidskou řeč. První tým se zaměřil na zlepšení schopnosti velkých jazykových modelů důsledně dodržovat zadané role (lékař, poradce aj.), přičemž např. prokázal význam persona-based promptingu a vyvinul framework pro syntézu zvuku za účelem generování mluveného dialogu pomocí LLM. K výstupům druhého týmu, jenž se soustředil na jazykové modely pracující se zvukem, patřily nové audio datové sady pokrývající řadu oblastí pro podporu předběžného tréninku modelů nebo nová metodika pro hodnocení správnosti odpovědí modelů. Třetí tým, pracující na zjednodušení a zároveň zefektivnění rozpoznávání mluvené řeči ve složitých scénářích, v závěru workshopu prezentoval metodu vylepšeného přepisu řeči (ASR) s diarizací mluvčích jako podmínkou. Poslední tým pak například přišel s novou sadou nástrojů pro hodnocení převodu textu na řeč (TTS) pro jazyky s nízkými zdroji (např. bengálština, kurdština nebo sarawacká malajština) a pro tento typ jazyků nabídl současně nová trénovací a testovací data.

Přestože jsme malou zemí, řečové a jazykové technologie nás řadí mezi nejvýznamnější globální centra, a to po bok Spojených států nebo Číny. Česká a konkrétně pak brněnská stopa v této oblasti umělé inteligence je i díky výzkumné skupině Speech@FIT a jménům, jako je Hynek Heřmanský, Jan Černocký nebo Lukáš Burget, nezpochybnitelná. Také proto jsme v uplynulých týdnech mohli v Králově Poli přivítat osobnosti, jakými jsou Ricard Marxer (University of Toulon), Ramani Duraiswami (University of Maryland), Samuele Cornell (Carnegie Mellon University), Yannick Estève (Laboratoire d'Informatique d'Avignon), Fethi Bougares (Elyadata) nebo hlavní organizátor akce Sanjeev Khudanpur (Johns Hopkins University). Ostatně, workshop nabídl hned sedm plenárních přednášek významných odborníků, které mířily i na širší publikum.

Cílem prestižní akce je samozřejmě posouvat hranice výzkumu. Možná ještě zásadnější výstup JSALTu lze však spatřovat v podpoře mezinárodní vědecké spolupráce, v navazování nových mezilidských kontaktů (a tím i kontaktů mezi institucemi). Spousta dnes existujících technologií má své kořeny ve výzkumu a spolupracích, které se nastartovaly právě na JSALTu. Příkladem za všechny je systém pro automatický překlad, který najdeme třeba v nástroji Google Translate. „Brno je uznávané centrum evropského výzkumu v oblasti řečové a jazykové umělé inteligence, ale od poloviny června do začátku srpna byla tato pozice hmatatelná, viditelná a slyšitelná – koncentrace tolika chytrých kolegů a kolegyň, nadaných doktorandů i magisterských studentů, zvaných mluvčích, důležitých návštěvníků z univerzit i průmyslu, prezentací, brain-stormingů, denodenních setkávání a předaných myšlenek udělala z JSALTu velmi intenzivní zážitek. Jsme moc rádi, že si naši účastníci odvezli nejen technické know-how, kontakty na kolegy, základ pro další vědeckou práci, články, software a data, ale také že přilnuli k FIT VUT a k Brnu jako k vhodným místům pro práci a zábavu. Brno je v dobrém smyslu slova magnetické a myslím, že mnoho z nich tu znovu uvidíme,“ hodnotí letošní JSALT Jan „Honza“ Černocký.

Všechny výše uvedené body lze i letos, s výrazným přispěním FIT VUT a jejích „řečařů“, považovat za splněné. Děkujeme organizátorům, prezentujícím i účastníkům za jejich práci a nadšení!

Fotogalerii snímků ze závěrečných dnů workshopu najdete ZDE (foto: Martin Horný).