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.

Termine:
Vorbesprechung: Mi 25.04.2012, 14:15 Uhr, Raum 2201
Mi 14:00-16:00 Uhr, Raum 2201

Bernd Eppinger und Eberhard Herter: Sprachverarbeitung, Carl Hanser Verlag, 1993

Bimbot et al: A Tutorial on Text-Independent Speaker Verfication, EURASIP 2004:4, 430-451

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

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).
Tutorials hierzu finden Sie hier oder hier.

Beispielprogramme zum Einlesen, Abspeichern, etc von Audiodateien.
IO-Interface für (LPC-)Merkmale.
Die CoNIRVA Bibliothek ist hier verfügbar.

Folien zum LPC
Folien zu LPC, MFCC, Pitch
Folien zur Vektorquantisierung
Folien zur Testprozedur
Folien zu MFCC