Compensation of real-world distortions in speech signals
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
This habilitation thesis focuses on the compensation of various distortions
encountered in real-world speech recordings. The thesis
is organized as a collection of articles concerning this problem and
published by the author between 2013 and 2022. The manuscripts
were created as the output of several consecutive research projects
provided by the GAČR and TAČR funding agencies.
The articles follow three research topics. The main topic is the extraction
of a target speaker from a mixture of several sound sources.
The other topic is robust automatic speech recognition. The transcription
can be complicated by unwanted sounds in the speech
recording or an insufficient amount of suitable training data. Finally,
the compensation of nonlinear distortions in acoustic echo
cancellation is addressed.
Tato habilitační práce se zabývá kompenzací zkreslení, která se objevují v řečových záznamech pořízených v reálném prostředí. Práce je uspořádána jako sborník článků, které autor k tomuto tématu publikoval mezi lety 2013 - 2022. Jde o články, které vznikaly v rámci navazující série projektů od poskytovatelů GAČR a TAČR. Práci je možné rozdělit do tří základních skupin. Hlavním tématem je odstranění nechtěných zdrojů zvuku od promluv cílového řečníka. Druhým tématem je robustní automatický přepis řečového signálu do textu. Přepis může být opět komplikován nechtěným zvukem na pozadí řeči a také nedostatkem vhodných trénovacích dat. Posledním tématem je kompenzace nelineárních zkreslení se zaměřením na potlačení akustické ozvěny (nonlinear acoustic echo cancellation).
Tato habilitační práce se zabývá kompenzací zkreslení, která se objevují v řečových záznamech pořízených v reálném prostředí. Práce je uspořádána jako sborník článků, které autor k tomuto tématu publikoval mezi lety 2013 - 2022. Jde o články, které vznikaly v rámci navazující série projektů od poskytovatelů GAČR a TAČR. Práci je možné rozdělit do tří základních skupin. Hlavním tématem je odstranění nechtěných zdrojů zvuku od promluv cílového řečníka. Druhým tématem je robustní automatický přepis řečového signálu do textu. Přepis může být opět komplikován nechtěným zvukem na pozadí řeči a také nedostatkem vhodných trénovacích dat. Posledním tématem je kompenzace nelineárních zkreslení se zaměřením na potlačení akustické ozvěny (nonlinear acoustic echo cancellation).
Description
Subject(s)
Zlepšování řeči, separace řeči, extrakce cílového
řečníka, automatické rozpoznávání řeči, potlačení akustické ozvěny, Speech enhancement, speech separation, extraction of
target speaker, automatic speech recognition, acoustic echo cancellation