Praktikum Neuroinformatik:

Sprechererkennung

 

 

 

Dozenten:   PD Dr. Alfred Strey,  Dr. Friedhelm Schwenker  

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