Projekty finansowane przez NCN
Głęboka ekstrakcja w celu niezawodnego rozpoznawania mowy
2021/42/E/ST7/00452
Słowa kluczowe:
przetwarzanie sygnałów mowy i audio uczenie maszynowe głębokie sieci neuronowe sztuczna inteligencja statystyczne przetwarzanie sygnałów procesy stochastyczne metody optymalizacyjne analiza mowy zrozumienie mowy
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)
- Teksty w publikacjach pokonferencyjnych (4)
- On Ambisonic Source Separation With Spatially Informed Non-Negative Tensor FactorizationAutorzy:M. Guzik and K. KowalczykCzasopismo:IEEE/ACM Transactions on Audio, Speech, and Language Processing (rok: 2024, tom: 32, strony: 3238-3255), Wydawca: IEEEStatus:OpublikowanaDoi:10.1109/TASLP.2024.3399618 - link do publikacji
- End-to-End Neural Speaker Diarization With Non-Autoregressive AttractorsAutorzy:M. Rybicka, J. Villalba, T. Thebaud, N. Dehak and K. KowalczykCzasopismo:IEEE/ACM Transactions on Audio, Speech, and Language Processing (rok: 2024, tom: 32, strony: 3960-3973), Wydawca: IEEEStatus:OpublikowanaDoi:10.1109/TASLP.2024.3439993 - link do publikacji
- Causal Signal-Based DCCRN with Overlapped-Frame Prediction for Online Speech EnhancementAutorzy:Julitta Bartolewska, Stanisław Kacprzak, Konrad KowalczykKonferencja: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 2023Status:OpublikowanaDoi:10.21437/Interspeech.2023-2177 - link do publikacji
- Investigation of Whisper ASR Hallucinations Induced by Non-Speech AudioAutorzy:M. Barański, J. Jasiński, J. Bartolewska, S. Kacprzak, M. Witkowski, and K. KowalczykKonferencja: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: 45662), Wydawca: IEEEData:konferencja 6-11 April 2025Status:OpublikowanaDoi:10.1109/ICASSP49660.2025.10890105 - link do publikacji
- Heightceleb – An Enrichment of Voxceleb Dataset With Speaker Height InformationAutorzy:S. Kacprzak and K. KowalczykKonferencja:Proc. IEEE Spoken Language Technology Workshop (SLT) (rok: 2024, tom: IEEE Spoken Language Technology Workshop (SLT), strony: 857-862), Wydawca: IEEEData:konferencja 2-5 December 2024Status:OpublikowanaDoi:10.1109/SLT61566.2024.10832224 - link do publikacji
- Joint Blind Source Separation and Dereverberation for Automatic Speech Recognition using Delayed-Subsource MNMF with Localization PriorAutorzy:Mieszko Fra´s, Marcin Witkowski, Konrad KowalczykKonferencja: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 2023Status:OpublikowanaDoi:10.21437/Interspeech.2023-2520 - link do publikacji