Современные методы распознавания и синтеза речи (курс лекций)/2018

Материал из MachineLearning.

Лекторы: Воропаев А., Соловьев Д., Полыковский Д.

Содержание 1 Аннотация 2 Учебный план 2.1 Дискретные сигналы. Преобразование Фурье. 3 Практические задания 4 Система выставления оценок по курсу 5 Литература

Аннотация

Обработка речи начинает применяться в большом числе приложений — голосовых помощниках, автомобилях, картах и играх. Данный курс посвящен актуальным задачам и направлениям в этой области. Первые лекции будут посвящены классическим методам анализа цифровых сигналов, а также их применению в обработке речи. Во второй части будут рассмотрены современные нейросетевые подходы синтеза и распознавания речи, а также — голосовая идентификация пользователя и детекция ключевой фразы. На курсе студенты смогут самостоятельно реализовать рассматриваемые методы как на модельных примерах, так и в реальном командном проекте.

Учебный план

• Лекции проходят по средам в с 10:30 до 12:05 в ауд. 524
• Чат в Telegram: ссылка
• Инвайт в Anytask: lWVASKX




Дата	№ занятия	Тема	Материалы
14.02.2018	Лекция 1	Дискретные сигналы. Преобразование Фурье. Введение в курс. Терминология. Гильбертово пространство. Неравенство Бесселя и тождество Парсеваля. Тригонометрический базис. Дискретное преобразование Фурье (DFT, DFS, DTFT). Связь между преобразованиями. Свойства.	Ch. 1 — Ch. 4, [2]
21.02.2018	Лекция 2	Быстрое преобразование Фурье. Вейвлеты.
18.02.2018	Лекция 3	Модуляция сигнала. Фильтрация. Линейные фильтры. Обращение фильтра. Подходы к построению фильтров
07.03.2018	Лекция 4	Аналого-цифровые преобразователи. Теорема Котельникова. Сжатие сигналов (MP3, JPEG). Beamforming
14.03.2018	Лекция 5	Речь. Биологические аспекты. Формирование F0, F1, F2, F2. и их извлечение из звуковой волны. Гласные и согласные звуки. Выделение признаков из звука. Аугментация. Dynamic Time Warping. Выравнивание. Нормализация текстов для синтеза речи.
21.03.2018	Лекция 6	Распознавание речи. Hidden Markov Models для распознавания. GMM.
28.03.2018	Лекция 7	Гибридные модели. Нейронные сети. Алгоритм обратного распространения ошибки. Рекуррентные нейронные сети. Connectionist Temporal Classification (CTC).
04.04.2018	Лекция 8	Teacher forcing, Seq2Seq, Beam Search. Механизмы внимания. Listen, Attend and Spell.
11.04.2018	Лекция 9	Идентификация голоса. Определение конца предложения. Определение активности. Распознавание ключевой фразы.
18.04.2018	Лекция 10	Синтез звука. Классические подходы. Восстановление звука из линейной спектрограммы. Алгоритм Гриффина-Лима.
25.04.2018	Лекция 11	Свертки на последовательностях. Современные архитектуры: WaveNet, DeepVoice и их улучшения. Multi-speaker synthesis. Tacotron.

Практические задания

Тема	Макс. балл	Дата выдачи	Срок сдачи	Крайний срок
Преобразование Фурье	15	21.02.2018	07.03.2018	21.03.2018
Распознавание команд	25	21.03.2018	04.04.2018	18.04.2018
Синтез звука	25	18.04.2018	02.05.2018	16.05.2018
Итоговый проект	35	07.03.2018	Досрочная защита	Экзамен

Система выставления оценок по курсу

В курсе предусмотрено 3 практических задания и итоговый проект. Практические задания выдаются на 2 недели, после которых начисляется штраф 0.2 балла за каждый день просрочки. Через 2 недели после срока сдачи практическое задание не принимается. Защита итогового проекта проходит в день экзамена. Суммарно за практические задания и итоговый проект можно получить до 100 баллов.

При пересчете баллов итоговая оценка ставится по следующей шкале:

• [0, 40) — “неуд”
• [40, 60) — “удовл”
• [60, 80) — “хор”
• [80, 100] — “отл”

Литература

[1] The Digital Signal Processing Handbook, Vijay Madiestti

[2] Signal Processing For Communications, Paolo Prandoni & Martin Vettarli

[3] Speech and Language Processing. Dan Jurafsky and James H. Martin