A tantárgy elsősorban a Jelek/hálózatok és rendszerek témakör ismeretére épít.

Az emberi információ-kezelés és kommunikáció alapja a természetes beszédlánc (beszélő ember - levegő - hallgató ember) működése. A beszédtechnológia a természetes beszédlánc egy vagy több elemének mesterséges megvalósítását (pl. beszédfelismerés, beszédszintézis, stb.) tárgyalja. Napjainkban számos gyakorlati alkalmazásban megjelentek a beszédtechnológián alapuló, egyre jobban integrált és automatizált infokommunikációs szolgáltatások (pl. SMS-felolvasás, hívásközpontok). A tárgy célja a beszédtechnológia komponens és rendszerszintű megismertetése.

Bevezetés

A nyelv és a beszéd az emberi kommunikációban. A természetes beszédlánc elemei és működésük. A beszéd akusztikai szerkezetének legfontosabb jellemzői, szintjei, redundanciája, a hordozott kiegészítő információk. A lényegkiemelés elmélete.

Beszédkódolás és tömörítés

A beszédkódolás szerepe a digitális beszédtárolás, valamint az infokommunikációs hálózatok rendszereiben. Beszéd/csend és más akusztikus jelek megkülönböztetése. A beszédkódolás alapvető módszerei. A kódolt beszéd minősítése.

Beszédválaszú rendszerek

A gépi beszédkeltés alapfogalmai (kötött, kötetlen és vegyes szókészlet). Kötött szókészletű rendszerek és kötetlen szókészletű (text-to-speech és concept-to-speech) rendszerek. Fejlesztői környezetek. A rendszerek automatizált megvalósításának algoritmusai (pl. gépi tanulás).

Beszédfelismerés

A beszédfelismerés alapfogalmai és alapvető architektúrái. A működés fő fázisai: lényegkiemelési, vetemítési, osztályozási eljárások. A beszéd- és szövegadatbázisok jelentősége a felismerésben. Az akusztikus környezet szerepe. Felismerő létrehozásának fázisai. Szótárkészlet automatikus bővítése, adaptivitás. Többnyelvű rendszerek kialakítása. Fejlesztői környezetek és eszközök.

Beszélőfelismerés és beszélőazonosítás

Beszélőfelismerés és azonosítás kötött és kötetlen szöveggel. Inter- és intraindividuális jellemzők. A beszéd további biometriai lehetőségei.

Beszédtechnológia alkalmazása információs rendszerekben

Beszéddel informáló dialógus rendszerek alapfogalmai. Rendszer vezérelt, felhasználó vezérelt és vegyes kezdeményezésű rendszerek. Uni- és multimodális rendszerek. Platform, termékválasztás és tesztelés. A vállalati akusztikai arculat fogalma és színvonalas biztosításának módszerei. Esettanulmány: alkalmazási mintarendszer tervezése

(előadás, gyakorlat, laboratórium):

3*2 óra előadás és 1*2 óra kiscsoportos foglalkozás kéthetes ciklusokban.

3. Elővizsga:

A pótlásra a szorgalmi időszak során egy alkalom áll rendelkezésre, a vizsgaidőszakban csak IV jelleggel lehetséges.

A félév, illetve vizsgaidőszak során a hallgatóknak lehetőségük van az előadóval előre egyeztetett időpontban konzultálni.

Magyar nyelvű irodalom:

Magyar nyelvi beszédtechnológiai alapismeretek, Nikol KKt, 2002

Gordos G., Takács Gy.: Digitális beszédfeldolgozás, Műszaki Könyvkiadó, 1983

Angol nyelvű irodalom:

X. Huang, A. Acero, H. Hon: Spoken Language Processing, Prentice Hall, 2001

(a tantárgyhoz tartozó tanulmányi idő körülbelüli felosztása a tanórák, továbbá a házi feladatok és a zárthelyik között (a felkészülésre, ill. a kidolgozásra átlagosan fordítandó/elvárható idők félévi munkaórában, kredit x 30 óra, pl. 5 kredit esetén 150 óra)):