Głęboka ekstrakcja w celu niezawodnego rozpoznawania mowy
2021/42/E/ST7/00452
Słowa kluczowe
Deskryptory
- ST7_007: Przetwarzanie sygnałów
- ST6_011: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowania w przetwarzaniu sygnałów (np. mowy, obrazów, filmów)
Panel
ST7 – Inżynieria systemów i komunikacji: elektronika, komunikacja, optoelektronika
Jednostka realizująca
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Informatyki, Elektroniki i Telekomunikacji
woj. małopolskie
Kierownik projektu (z jednostki realizującej)
dr hab. Konrad Karol Kowalczyk
Liczba wykonawców projektu: 10
Konkurs
SONATA BIS 11 – ogłoszony 2021-06-15
- Przyznana kwota
- 1 878 000 PLN
- Rozpoczęcie projektu
- 2022-11-02
- Zakończenie projektu
- 2027-11-01
- Planowany czas trwania projektu
- 60 miesięcy (z wniosku)
- Status projektu
- Projekt w realizacji
Opis projektu
Pobierz opis projektu w formacie .pdf
Uwaga — opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Dane z raportu końcowego/rocznego
Publikacje w czasopismach (2)
-
End-to-End Neural Speaker Diarization With Non-Autoregressive Attractors
- Autorzy:
- M. Rybicka, J. Villalba, T. Thebaud, N. Dehak and K. Kowalczyk
- Czasopismo:
- IEEE/ACM Transactions on Audio, Speech, and Language Processing (rok: 2024, tom: 32, strony: 3960-3973), Wydawca: IEEE
- Status:
- Opublikowana
- DOI:
- 10.1109/TASLP.2024.3439993 – link do publikacji
-
On Ambisonic Source Separation With Spatially Informed Non-Negative Tensor Factorization
- Autorzy:
- M. Guzik and K. Kowalczyk
- Czasopismo:
- IEEE/ACM Transactions on Audio, Speech, and Language Processing (rok: 2024, tom: 32, strony: 3238-3255), Wydawca: IEEE
- Status:
- Opublikowana
- DOI:
- 10.1109/TASLP.2024.3399618 – link do publikacji
Teksty w publikacjach pokonferencyjnych (4)
-
Joint Blind Source Separation and Dereverberation for Automatic Speech Recognition using Delayed-Subsource MNMF with Localization Prior
- Autorzy:
- Mieszko Fra´s, Marcin Witkowski, Konrad Kowalczyk
- Konferencja:
- Proc. INTERSPEECH 2023 (rok: 2023, tom: Annual Conf. Int. Speech Communication Association (INTERSPEECH), strony: 3734-3738), Wydawca: International Speech Communication Association (ISCA)
- Data:
- konferencja 20-24 August 2023
- Status:
- Opublikowana
- DOI:
- 10.21437/Interspeech.2023-2520 – link do publikacji
-
Causal Signal-Based DCCRN with Overlapped-Frame Prediction for Online Speech Enhancement
- Autorzy:
- Julitta Bartolewska, Stanisław Kacprzak, Konrad Kowalczyk
- Konferencja:
- Proc. INTERSPEECH 2023 (rok: 2023, tom: Annual Conf. Int. Speech Communication Association (INTERSPEECH), strony: 4039-4043), Wydawca: International Speech Communication Association (ISCA)
- Data:
- konferencja 20-24 August 2023
- Status:
- Opublikowana
- DOI:
- 10.21437/Interspeech.2023-2177 – link do publikacji
-
Heightceleb – An Enrichment of Voxceleb Dataset With Speaker Height Information
- Autorzy:
- S. Kacprzak and K. Kowalczyk
- Konferencja:
- Proc. IEEE Spoken Language Technology Workshop (SLT) (rok: 2024, tom: IEEE Spoken Language Technology Workshop (SLT), strony: 857-862), Wydawca: IEEE
- Data:
- konferencja 2-5 December 2024
- Status:
- Opublikowana
- DOI:
- 10.1109/SLT61566.2024.10832224 – link do publikacji
-
Investigation of Whisper ASR Hallucinations Induced by Non-Speech Audio
- Autorzy:
- M. Barański, J. Jasiński, J. Bartolewska, S. Kacprzak, M. Witkowski, and K. Kowalczyk
- Konferencja:
- Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (rok: 2025, tom: IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), strony: 46027), Wydawca: IEEE
- Data:
- konferencja 6-11 April 2025
- Status:
- Opublikowana
- DOI:
- 10.1109/ICASSP49660.2025.10890105 – link do publikacji