340212 VU Speech Technologies (2024S)

Ziele:

Diese Lehrveranstaltung stellt grundlegende Techniken und Methoden der Sprachtechnologie mit einem besonderen Augenmerk auf Sprachsynthese und Spracherkennung vor. Es werden auch linguistische Grundlagen der Sprachproduktion und Grundlagen der Signalverarbeitung vorgestellt. Aktuelle Forschungsbereiche sowie der aktuelle Stand der Forschung werden beleuchtet und diskutiert. Es werden sowohl klassische Methoden, die nach wie vor in hybriden Architekturen relevant sind, als auch die neuesten auf neuralen Netzwerken basierenden Methoden präsentiert.

Inhalt:

14.3.:
Lecture 1
1. Introduction
2. Phonetics

11.4.:
Lecture 2
3. Signal Processing and classical vocoder
4. Minimum Edit Distance (MED) and Dynamic Time Warping (DTW)

18.4.:
Lecture 3
5. Hidden-Markov-models (HMM)
6. N-gram language models

25.4.:
Exercise 1

2.5.:
Lecture 4
7. Vector semantics and embeddings
8. Feed-forward Neural Networks (NN)

16.5.:
Lecture 5
9. Convolutional NN, RNN and LSTM
10. Transformer

23.5.:
Lecture 6
11. Speech synthesis: DNN based vocoders
12. Speech synthesis: DNN based acoustic models

6.6.:
Lecture 7
13. Speech recognition: DNN based acoustic models
14. Speech recognition: DNN based language models

13.6.:
Exercise 2

20.6.:
Programming exercise

Methodik:

Theoretische Vorstellung der Grundlagen des Bereichs der Sprachtechnologie.
Erarbeitung und Umsetzung einer praktischen Anwendung zu einer aktuellen Aufgabenstellung im Bereich der Lehrveranstaltung.
Selbstständiges Lösen von Übungsaufgaben