?
Сегментация речи в задачах автоматического обнаружения и распознавания голосовых команд
Информационные технологии. 2014. № 1. С. 53–57.
Рассмотрена задача автоматического выделения голосовых команд из непрерывного речевого потока и их последующего распознавания. Для обнаружения в слогах границ гласных звуков используется основанный на идее вероятностной нейронной сети с проверкой однородности алгоритм фонемной сегментации речи. Предложено считать речевой сигнал частью голосовой команды, если доля длительности выделенного в нем однородного сегмента по отношению к длительности всего слога превышает фиксированный порог. Экспериментально показано, что для четкого слогового произношения команд такой подход позволяет в 90 % случаев выделить голосовую команду, состоящую из более чем двух слогов.
Научное направление:
Компьютерные науки
Приоритетные направления:
компьютерно-математическое
Язык:
русский
Ключевые слова: автоматическое распознавание речиметод фонетического декодированиясистемы голосового управлениявероятностная нейронная сеть с проверкой однородностисегментация речи
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Добавлено: 7 сентября 2026 г.
Неверов В. Д., Красавин А. В., Вагов А. В. и др., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 113 P. 1–6
Добавлено: 5 сентября 2026 г.
Добавлено: 4 сентября 2026 г.
Proceedings of Machine Learning Research , 2026.
Добавлено: 4 сентября 2026 г.
Khodadoust J., Куликова С. П., Khodadoust F., Biomedical Signal Processing and Control 2027 Vol. 129 P. 111284–111284
Анализ острого ишемического инсульта (ОИИ) по двухмерным (2D) клиническим изображениям затруднен из-за неконтролируемого наклона срезов и геометрических несоответствий, нарушающих предположения моделей глубокого обучения (ГБО), не зависящих от положения. В данной статье предлагается унифицированная, учитывающая геометрию, частотно-доменная структура для локализации наклонных срезов и сегментации ишемического инсульта, которая явно разделяет оценку положения и анализ поражения. Метод сначала ...
Добавлено: 2 сентября 2026 г.
IEEE, 2026.
Добавлено: 2 сентября 2026 г.
Колмогорова А. В., Явшиц Е. В., Сугян А. Х. и др., Вестник Новосибирского государственного университета. Серия: Лингвистика и межкультурная коммуникация 2026 Т. 24 № 1 С. 113–127
Технологии автоматического распознавания речи (АРР) к настоящему моменту стали базовым компонентом бэкенд-инфраструктуры различных голосовых и когнитивных ассистентов, обеспечивая доступ пользователей к коммерческим сервисам и государственным платформам. Однако из-за неравномерного распределения данных, на которых модели АРР обучаются, острой становится проблема предвзятости моделей при работе с атипичной речью. Цель исследования заключается в оценке качества распознавания и сравнении ...
Добавлено: 28 августа 2026 г.
Avdoshin S.M., Patrushev K. A., Proceedings of the Institute for System Programming of the RAS 2026 No. 4 часть 2 P. 245–256
Добавлено: 27 августа 2026 г.
Добавлено: 27 августа 2026 г.
Тула: Тульский государственный педагогический университет им. Л.Н. Толстого, 2025.
Сборник содержит материалы, представленные на XXIV Международной конференции «Алгебра, теория чисел, дискретная геометрия и многомасштабное моделирование: современные проблемы, приложения и проблемы истории», посвящённой 110-летию со дня рождения академика Юрия Владимировича Линника и 110-летию со дня рождения профессора Андрея Борисовича Шидловского и 80-летию со дня рождения профессора Геннадия Ивановича Архипова. Материалы конференции будут полезны научным работникам, ...
Добавлено: 27 августа 2026 г.
Eduard Sopin, Назарьин А. И., Бегишев В. О. и др., IEEE Transactions on Vehicular Technology 2026 Vol. 75 No. 6 P. 10995–11007
Добавлено: 26 августа 2026 г.
Джонов А. Т., Авдошин С. М., Информационные технологии 2026 Т. 32 № 8 С. 421–427
В данном систематическом обзоре представлен анализ методологии Вайб-кодинг (Vibe Coding) — современно-го подхода к итеративному процессу разработки программного обеспечения с помощью больших языковых моделей (БЯМ). Инструменты генерации кода транформируют написание ПО, позволяя программисту формулировать задачи и описывать желаемое поведение кода на естественном языке, в то время как БЯМ генерирует соответ-ствующий запросам исходный код. Обзор систематиматизирует ...
Добавлено: 25 августа 2026 г.
Мельман А. С., Евсютин О. О., Journal of the Franklin Institute 2026 Vol. 363 No. 15 Article 109005
Добавлено: 25 августа 2026 г.
IEEE, 2026.
Добавлено: 24 августа 2026 г.
Shabanov N., Kuricheva O., Kurbatova J. и др., / Series Working Papers SSRN "Department of Economics Ca’ Foscari University of Venice". 2026.
Добавлено: 21 августа 2026 г.
Лукьяненко Д. В., Рагимова А. А., Мухорина А. и др., European Physical Journal: Special Topics 2026 P. 1–24
Добавлено: 20 августа 2026 г.
CEUR-WS.org, 2026.
Добавлено: 20 августа 2026 г.
Добавлено: 20 августа 2026 г.
Association for Computational Linguistics, 2026.
Добавлено: 19 августа 2026 г.
Власенко Д. В., Саранская И. М., Захаров Д. Г., European Physical Journal: Special Topics 2026 P. 1–16
Гиперграфы предоставляют естественную систему для представления нейрофизиологических взаимодействий, распределённых по наборам датчиков. Ключевой методический вопрос заключается в том, каким образом следует определять гиперрёбра на основе частотно-разрешающих данных электроэнцефалографии и магнитоэнцефалографии (ЭЭГ/МЭГ). Мы предлагаем стратегию построения гиперграфа, в которой гиперрёбра получаются из канонической когерентности (caCOH) — расширения когерентности, которое оценивает степень связи между многомерными пространствами сигналов. Насколько ...
Добавлено: 18 августа 2026 г.
Добавлено: 19 мая 2026 г.