Beszédfelismerés és Hangbányászat szakmai műhely

• A vezető konzulens: Dr. Mihajlik Péter, IB154.
• Elsősorban azzal foglalkozunk, hogy a természetes (zajokat is tartalmazó, spontán) hang- és beszédjelből hogyan tudjuk a szövegtartalmat számítógéppel minél pontosabban kinyerni. Rengeteg probléma merül fel a nyelvfelismeréstől a beszélőváltás automatikus észlelésén keresztül a háttérbeszélgetések és zene kezeléséig, továbbá számos technikai kihívással kell megbírkózni: legyen a szövegkiírás valós idejű (vagy gyorsabb), a memória és számítási igények legyenek kézbentarthatóak stb. Főbb eszközeink a matematikai statisztika, mélytanuló rendszerek, digitális jelfeldolgozás, programozási és scrpit nyelvek, jelentős részben nyílt forráskódú szoftvereszközökbe rejtve. Számos gyakorlati, valós életben is működő alkalmazás megvalósításában részt vettünk (pl. M1 TV műsorok gépi feliratozása). Az országban a beszédfelismerés területén az első számú kutatóhelynek számítunk, nemzetközi kapcsolatrendszerünknek is köszönhetően számos hallgatónk folytatta kiváló eredménnyel neves külföldi kutatóegyetemeken a pályáját.
• Nagyon izgalmas, sokoldaú, világszerte "hot topic" a beszédfelismerési terület, már számos alkalmazása működik jól a gyakorlatban de még mindig dinamikus a fejlődése. A nálunk megismert eszközök, módszerek számos szintén húzóágazatnak számító területen jól használhatók (pl. önvezető autók, arc- és kézírásfelismerés), mondhatnánk úgy is, hogy a jövő mérnöke számára lényegében nélkülözhetetlenek lesznek a nálunk megtanulható ismeretek.

  Ipari partner: SpeechTex

• A hallgatók feladata a napjainkban legsikeresebb speciális mélytanuló struktúra megismerése, először egyszerűbb, majd összetetteb feladatokra alkalmazása, kísérletek végzése, kiértékelése. Jó eredmények esetén lehetőség van az ipari alkalmazásokba történő implementációban is részt venni.
• http://alpha.tmit.bme.hu/~mihajlik/
• Vissza a fő oldalra

Utolsó módosítás: 2016.09.05. Németh Felicián