Praktikum Neuroinformatik:
Sprechererkennung
Praktikumsankündigung
auf der elektronischen Pinwand
Termin und Ort:
freitags 14.15-16.45 Uhr im Raum 121
Inhalt:
Künstliche neuronale Netze und andere maschinelle Lernverfahren sollen für die Sprechererkennung eingesetzt werden. Bei der Sprechererkennung unterscheidet man zwischen der textabhängigen Sprechererkennung, bei der das Vokabular für die Erkennung festgelegt wird, und der textunabhängigen Sprechererkennung, bei der die Erkennung auf Subwortebene stattfindet und somit keine Beschränkung auf ein festgewähltes Vokabular nötig ist. Ferner unterscheidet man zwischen der Sprecheridentifikation (die sprachliche Äusserung wird einem von N Sprechern zugeordnet) und der Sprecherverifikation (es wird geprüft, ob die sprachliche Äusserung von dem genannten Sprecher stammt).
Im Rahmen dieses Praktikums wollen wir uns vor allem mit der textunabhängigen Sprecheridentifikation befassen. Hierzu müssen im ersten Verarbeitungsschritt Merkmale aus den Sprachsignalen extrahiert werden und dann im zweiten Schritt Modelle für die zu identifizierenden Sprecher aufgebaut werden. Hierfür sollen Sprachaufnahmen von den Praktikumsteilnehmer aufgenommen und zum Test des Systems verwendet werden.
Literatur:
Berd Eppinger und Eberhard Herter: Sprachverarbeitung, Carl Hanser Verlag, 1993
Joseph Campbell: Speaker Recognition A Tutorial, Proceedings of the IEEE, Vol 85, No 9, September 1997
Douglas Reynolds: An overview of automatic speaker recognition technology, ICASSP 2002
Programmierung
Die Programmierumgebung für das Praktikum ist Java (installiert auf den
Poolrechnern oder
hier verfügbar).
Ferner wird das Java Media Framework benötigt (ebenfalls im Pool installiert oder
hier verfügbar).
Beispielprogramme zum Einlesen, Abspeichern etc von Audiodateien
Tutorials hierzu finden Sie
hier
oder
hier.
IO-Interface für (LPC-)Merkmale
Bei Fragen zur Programmierung wenden Sie sich bitte auch an:
Stefan Scherer
Folienkopien(LPC, VQ, ...)
Folien zum LPC
Folien zur Vektorquantisierung
Folien zur Testprozedur
Sprachmaterial (Zugriff nur von Rechnern an der Uni Ulm möglich)
Sprecher 1
Sprecher 2
Auszug aus TIMIT Datenbank (DR7)
10 weitere Sprecher
Wavesurfer (Sprachaufnahmen, Verarbeitung)
Friedhelm Schwenker,
11.04.2005