Robust End-To-End SPEAKER recognition based on deep learning and attention models

strojní učení, dolování dat, zpracování statistických dat a aplikace, numerická analýza, simulace, optimalizace, modelovací nástroje, zpracování signálů, neuronové sítě, spojovací systémy, fuzzy logika, složitost a kryptografie, elektronická bezpečnost, Sítě, modely pozornosti, hluboké učení, rozpoznávání jazyka, zpracování řeči

Tento projekt se zaměřuje na automatické rozpoznávání reproduktorů (SID), úlohu určení totožnosti řečníka při záznamu řeči. Odstranění informací specifických pro reproduktory od ostatních obtížných variabilit (kanál atd.) Vyžaduje složité modely. Hloubkové neuronové sítě (DNN) nedávno prokázaly svůj potenciál, neboť populární x-vektor se naučil DNN. Zde se zaměřujeme na SID end-to-end, kde je systém optimalizován jako celek pro cílové úkoly. Přes některé první kroky v tomto směru je několik aspektů stále neprobádaných. Navrhujeme prozkoumat opakované přístupy, vhodné pro řešení časových signálů, stejně jako různé metody sdružování pro získání reprezentace s pevnou délkou ze vstupní sekvence řeči s proměnnou délkou, což je důležitá otázka v oboru. Také chceme prozkoumat různé chování mechanizmů pozornosti, které činí soustředění DNN na příslušné části vstupů a poskytují způsob, jak kvantifikovat, kolik důkazů bylo shromážděno o totožnosti řečníka a nejistotě získaného zastoupení, což je kritický problém při vytváření (Bayesovské) rozhodnutí v SID. Některé další přístupy, jako je použití syrového signálu (namísto funkcí) nebo jiné pokroky, které by mohly vzniknout, budou také zkoumány pro SID a související úkoly. Abychom dosáhli našich cílů, začneme od teorie, implementujeme navrhované přístupy a testujeme skutečné řečové údaje. Výstupy mají být přínosem jak pro vědeckou komunitu, tak pro zpracování řeči, jako je Phonexia nebo Nuance. Žadatelka Dr. Alicia Lozano-Diezová je vynikajícím výzkumným pracovníkem, který doktorskou práci vykonal. v Audias (Universidad Autonoma de Madrid, Španělsko), respektované výzkumné laboratoře. Hostitelská skupina Speech @ FIT z Vysoké školy technologické v Brně (Czechia) má špičkovou tradici výzkumu zpracování řeči. Proto očekáváme, že kombinace výzkumného pracovníka i hostitele podpoří kariéru výzkumného pracovníka a prospěje hostitelské skupině (a jejích evropských průmyslových partnerů).

Tento projekt získal financování z programu Evropské unie pro výzkum a inovace Horizont 2020 na základě grantové dohody č. 843627.