dc.contributor.advisor	Nouza Jan, prof. Ing. CSc. :54737	cs
dc.contributor.author	Halada, Martin	cs
dc.contributor.referee	Boháč Marek, Ing. Ph.D. :68488	cs
dc.date.accessioned	2023-12-09T05:04:53Z
dc.date.available	2023-12-09T05:04:53Z
dc.date.committed	22.5.2023	cs
dc.date.defense	20.6.2023	cs
dc.date.issued	2023-06-20
dc.date.submitted	24.10.2022	cs
dc.description.abstract	Diplomová práce se zabývá způsobem rozpoznávání řeči založeném na principu end-to-end. V první kapitole práce představuje problematiku rozpoznávání řeči, srovnává tradiční i aktuální přístupy a zmiňuje základní kategorie systémů typu end-to-end. Druhá kapitola uvádí postup přípravy dat, stažení zvukových záznamů s odpovídajícími přepisy, jejich správné přiřazení a nakonec zvýšení výtěžnosti dat. Třetí kapitola se věnuje vlastnímu návrhu a implementaci systému typu end-to-end. Zmiňuje dostupné frameworky pro trénování i testování. Dále se kapitola zabývá postupem natrénování modelů včetně implementace vrstev neuronové sítě. Jeden model využívá seznam znaků a tři modely seznam slovních podřetězců. Nakonec se kapitola zabývá procesem testování včetně implementace dekódovacích algoritmů Beam a Greedy search. Poslední kapitola popisuje experimenty na nezávislých testovacích datech a dokumentuje výsledky rozpoznávání při různých parametrech. Lepší rozpoznávací skóre poskytuje dekodér Beam search, ale rozdíl není příliš výrazný.	cs
dc.description.abstract	This thesis deals with an end-to-end speech recognition system. The first chapter of the thesis introduces the problem of speech recognition, compares traditional and current approaches and mentions the basic categories of end-to-end systems. The second chapter presents the procedure of data preparation, downloading audio recordings with their transcripts, matching them correctly and finally obtaining as much usable data as possible. The third chapter discusses the actual design and implementation of the end-to-end system. Mentions the available frameworks for training and testing. Next, the chapter discusses the process of training the models including the implementation of the neural network layers. One model uses a list of alphabet characters and three models use a list of word substrings. Finally, the chapter discusses the testing process including the implementation of decoding algorithms (Beam and Greedy decoder). The last chapter describes the experiments on independent test data and provides the recognition results for different parameters. The Beam search decoder provides better recognition scores, but the difference is not very significant.	en
dc.format	64 s.	cs
dc.identifier.uri	https://dspace.tul.cz/handle/15240/174453
dc.language.iso	CS	cs
dc.subject	rozpoznávání řeči	cs
dc.subject	end-to-end	cs
dc.subject	CTC	cs
dc.subject	dekodér Greedy search	cs
dc.subject	dekodér Beam search	cs
dc.title	Systém rozpoznávání řeči typu E2E	cs
dc.title	E2E speech recognition system	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Navazující	cs
local.identifier.author	M21000166	cs
local.identifier.stag	44623	cs

Systém rozpoznávání řeči typu E2E

Files

Original bundle

Collections