Využití metod strojového učení pro rozpoznávání řeči

Abstract

Tato diplomová práce se zabývá využitím metod strojového učení pro rozpoznávání řeči. První část se věnuje teoretickému popisu metod zpracování řečového signálu a algoritmům, které je možné použít pro automatické rozpoznávání řeči. Jsou zde popsány algoritmy dynamického borcení času, skryté Markovovy modely a hluboké neuronové sítě. Praktická část byla věnována realizaci ASR systému pro izolovaná slova, který je založen na konvolučních neuronových sítích. Byly použity nástroje Keras a TensorFlow pro programovací jazyk Python. Pro trénování a testování byla použita databáze 15 slov, obsahující promluvy od žen a můžu v~různém prostředí. Využití systému je možné různých oblastech Industry 4.0.

This thesis is devoted to machine learning methods for speech recognition. The first part deals with teoretical description of methods for speech signal processing and algorithms which can be used for automatic speech recognition. Dynamic time warping, hidden Markov models and deep neural networks are described here. The practical part is focused on the description of the created system, which is based on convolutional neural networks. This system was designed and implemented in Python using Keras and TensorFlow. A~dataset of 15 words was used for training and testing. The use of the system is possible in various areas of Industry 4.0.