?
LowResourceEval2021: a shared task on speech processing for lowresource languages
.
Klyachko Elena, Grebenkin D., Nosenko D., Serikov Oleg
Язык:
английский
В книге
Issue 20. , Russian State University for the Humanitie, 2021.
Казакевич О. А., Будянская Е. М., Евстигнеева А. П. и др., Вопросы языкознания 2022 № 4 С. 7–47
Для миноритарных языков очень важной является характеристика жизнеспособности (или витальности), так как она позволяет оценить состояние и дальнейшие перспективы их функционирования. В статье рассматриваются существующие подходы к определению понятия витальности и сравниваются различные модели, предназначенные для ее измерения (шкалы витальности). В число рассмотренных моделей входят: шкала ЮНЕСКО (используется в Атласе языков, находящихся под угрозой исчезновения, ...
Добавлено: 26 октября 2022 г.
Самарина И. В., Казакевич О. А., В кн.: Закономерности социокультурного развития языков в полиэтнических странах мира: Россия-Вьетнам.: М.: ИМЛИ РАН, 2020. Гл. 4.2 С. 396–433.
В главе уточняется понятие "миноритарные языки" для России и Вьетнама. Проводится сопоставление функционирования миноритарных языков по трем параметрам: демографической мощности, письменности и образованию. Делается вывод, об увеличении внимания к миноритарным языкам как в России, так и во Вьетнаме. ...
Добавлено: 9 декабря 2020 г.
Knill K., Gales M., Kyriakopoulos K. и др., , in: Interspeech 2018.: International Speech Communication Association, 2018. P. 1641–1645.
Добавлено: 20 ноября 2020 г.
Савченко Л. В., Информационные технологии 2020 Т. 26 № 5 С. 290–296
В статье рассматривается задача распознавания изолированных слов с помощью методов глубокого обучения и сверточных нейронных сетей. Предложено выполнить дообучение сетей для проведения адаптации акустических моделей на голос диктора с использованием малого числа произнесенных им реализаций эталонных слов. Для понижения вероятности ошибочного распознавания рассматривается комбинирование нескольких различных дообученных дикторозависимых нейросетевых моделей. ...
Добавлено: 2 сентября 2020 г.
Янкевич С. В., Княгинина Н. В., Prina F., Review of Central and East European Law 2020 Vol. 45 No. 1 P. 59–91
Добавлено: 23 октября 2019 г.
Савченко Л. В., Информационные технологии 2019 Т. 25 № 5 С. 313–318
Рассматривается задача постановки произношения на основе применения методов глубокого обучения совместно с информационной теорией восприятия речи. Для повышения эффективности тестирования качества произношения предложено проводить дообучение сверточной нейронной сети с использованием наилучших эталонов пользователя. Экспериментально показано, что предложенный подход характеризуется высокой точность и скоростью распознавания для различных акустических моделей по сравнению с известными аналогами. ...
Добавлено: 29 мая 2019 г.
Савченко А. В., , in: International Joint Conference on Rough Sets, Springer, Cham.: Springer, 2017. P. 264–277.
Добавлено: 26 октября 2018 г.
Попова А. С., Alexandr G. Rassadin, Alexander A. Ponomarenko, , in: Advances in Neural Computation, Machine Learning, and Cognitive Research. Selected Papers from the XIX International Conference on Neuroinformatics, October 2-6, 2017, Moscow, RussiaVol. 736.: Cham: Springer, 2017. P. 117–124.
Добавлено: 18 октября 2017 г.
А. С. Попова, А. Г. Рассадин, А. А. Пономаренко, В кн.: Материалы XXIII международной научно-технической конференции «Информационные системы и технологии-2017».: [б.и.], 2017. С. 852–857.
Рассматривается задача автоматической классификации эмоций в цифровом аудио сигнале. В работе рассматривается и верифицируется подход, в котором классификации звукового фрагмента сводится к задаче распознавания изображений. В качестве визуально представления использовались изображение спектрограммы и осциллограммы. Произведен численный эксперимент на открытом наборе данных Ravdess, включающий 8 различных эмоций: “нейтральный”, “спокойный”, “счастливый”, “грустный”, “злой”, “испуганный”, “отвращение”, “удивление”. Наилучшие ...
Добавлено: 18 октября 2017 г.
Соловьев Ф. Н., Чеповский А. М., Искусственный интеллект и принятие решений 2017 № 1 С. 21–26
В статье рассмотрена проблема автоматической идентификации естественного языка текста и наиболее полная известная нам ее модель. Предлагается расширение модели на новые кириллические языки малых народов России ...
Добавлено: 30 марта 2017 г.
Соловьев Ф. Н., Чеповский А. М., В кн.: Труды Международной научной конференции Московского физико-технического института (государственного университета) и Института физико-технической информатики (SCVRT1516).: М., Протвино: Институт физико-технической информатики, 2016. С. 98–107.
В статье рассмотрена проблема автоматической идентификации естественного языка текста. Применяется Байесовский классификатор. Предлагается расширение модели на новые кириллические языки малых народов России. ...
Добавлено: 19 ноября 2016 г.
Романов А. Ю., Американов А. А., Лежнев Е. В. и др., Прикладная радиоэлектроника 2016 Т. 15 № 2 С. 123–126
Представлено описание разработки роботизированной платформы для помещений. Универсальность платформы дает возможность ее применения в различных областях человеческой жизнедеятельности, как при дистанционном управлении, так и в автономном режиме. Описаны этапы создания роботизированной платформы, приведены ее характеристики и представлены результаты ее работы. ...
Добавлено: 7 октября 2016 г.
Савченко А. В., Savchenko V.V., Journal of Communications Technology and Electronics 2016 Vol. 61 No. 4 P. 430–435
Добавлено: 11 апреля 2016 г.
Савченко А. В., Савченко В. В., Радиотехника и электроника 2016 Т. 61 № 4 С. 373–379
Рассмотрен метод фонетического кодирования–декодирования слов в задаче автоматического распознавания речи. На основе свойств информационного рассогласования Кульбака–Лейблера синтезирована оценка распределения рассогласования между минимальными речевыми единицами типа отдельных фонем внутри одного класса. Показано, что наименьшая дисперсия внутрифонемного рассогласования достигается при настройке фонетической базы данных на голос конкретного (одного) диктора. Полученные оценки подтверждены результатам экспериментальных исследований в задаче ...
Добавлено: 8 октября 2015 г.
Савченко А. В., Savchenko Lyudmila V., Pattern Recognition Letters 2015 Vol. 65 P. 145–151
The key purpose of this paper is to train a voice control system if a small amount of user speech data is available without need for general acoustic model if the latter does not fit to the user voice due to known variability sources (childhood, voice diseases, non-nativeness, etc.). We explore the possibility to increase ...
Добавлено: 10 сентября 2015 г.
Савченко А. В., Savchenko L. V., Lecture Notes in Artificial Intelligence 2014 Vol. 8536 P. 309–318
Добавлено: 25 июля 2014 г.
Савченко А. В., Lecture Notes in Computer Science 2014 Vol. 8509 P. 638–646
Добавлено: 25 июля 2014 г.