Grundlagen Der Automatischen Spracherkennung, WS16/17, Vorlesung podcast

Player FM - Internet Radio Done Right

تمت الإضافة منذ قبل eight عام

المحتوى المقدم من Karlsruher Institut für Technologie (KIT). يتم تحميل جميع محتويات البودكاست بما في ذلك الحلقات والرسومات وأوصاف البودكاست وتقديمها مباشرة بواسطة Karlsruher Institut für Technologie (KIT) أو شريك منصة البودكاست الخاص بهم. إذا كنت تعتقد أن شخصًا ما يستخدم عملك المحمي بحقوق الطبع والنشر دون إذنك، فيمكنك اتباع العملية الموضحة هنا https://ar.player.fm/legal.

Netflix Sports Club Podcast

1
America’s Sweethearts: Dallas Cowboys Cheerleaders Season 2 - Tryouts, Tears, & Texas 32:48

منذ 22 يومًا32:48

التشغيل لاحقا

قوائم

إعجاب

احب

32:48

America’s Sweethearts: Dallas Cowboys Cheerleaders is back for its second season! Kay Adams welcomes the women who assemble the squad, Kelli Finglass and Judy Trammell, to the Netflix Sports Club Podcast. They discuss the emotional rollercoaster of putting together the Dallas Cowboys Cheerleaders. Judy and Kelli open up about what it means to embrace flaws in the pursuit of perfection, how they identify that winning combo of stamina and wow factor, and what it’s like to see Thunderstruck go viral. Plus, the duo shares their hopes for the future of DCC beyond the field. Netflix Sports Club Podcast Correspondent Dani Klupenger also stops by to discuss the NBA Finals, basketball’s biggest moments with Michael Jordan and LeBron, and Kevin Durant’s international dominance. Dani and Kay detail the rise of Coco Gauff’s greatness and the most exciting storylines heading into Wimbledon. We want to hear from you! Leave us a voice message at www.speakpipe.com/NetflixSportsClub Find more from the Netflix Sports Club Podcast @NetflixSports on YouTube, TikTok, Instagram, Facebook, and X. You can catch Kay Adams @heykayadams and Dani Klupenger @daniklup on IG and X. Be sure to follow Kelli Finglass and Judy Trammel @kellifinglass and @dcc_judy on IG. Hosted by Kay Adams, the Netflix Sports Club Podcast is an all-access deep dive into the Netflix Sports universe! Each episode, Adams will speak with athletes, coaches, and a rotating cycle of familiar sports correspondents to talk about a recently released Netflix Sports series. The podcast will feature hot takes, deep analysis, games, and intimate conversations. Be sure to watch, listen, and subscribe to the Netflix Sports Club Podcast on YouTube, Spotify, Tudum, or wherever you get your podcasts. New episodes on Fridays every other week.…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

منزل السلاسل•Feed

Grundlagen der Automatischen Spracherkennung, WS15/17, Vorlesung

19 حلقات

#Hochschulbildung #Bildung #Vorlesung #Informatik #Spracherkennung #Signalverarbeitung #Spracherkennungssystem #Recognition #Translator #Speech #Lecture #Karlsruher Instituts Für Technologie KIT #Video #KIT

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

updated منذ 8 أعوام

منزل السلاسل•Feed

Grundlagen der Automatischen Spracherkennung, WS15/17, Vorlesung

19 حلقات

كل الحلقات

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 06.02.2017, 19 1:23:35

منذ 8 years1:23:35

1:23:35

0:00:00 Starten 0:00:16 Minimierung des Wortfehlers 0:02:50 Approximierung mit N-besten Listen 0:04:06 WER Minimierung auf Wortgraphen 0:04:18 Multiple Alignment WER 0:07:03 Finden des globalen Alignment 0:08:21 Alignment als Äquivalenzrelation 0:09:44 Finden einer angemessenen Äquivalenzrelation 0:12:02 Intra-Wort-Clustern 0:14:58 Pruning 0:15:45 Confusionsnetzwerke 0:18:20 Confusionsnetzwer-Hypothese 0:19:20 Eyperimente 0:23:03 Systemkombination 0:25:00 Systemkombination mit ROVER 0:28:33 Alignierung vieler Hypothesen mittlels DP 0:29:30 Beispiel 0:30:46 Mehrheitsentscheidung 0:31:25 Experimente 0:34:28 Probleme mit EM Training 0:38:06 Korrektives Training 0:41:22 Diskriminatives Training 0:43:00 Maximierung der Posterioriw'keit 0:43:41 Transformation / Mutual Information 0:45:14 Maximum Mutual Information Estimation (MMIE) 0:47:52 MLE vs. MMIE 0:50:35 MMIE Implementierung 0:51:20 MMIE Optimierung 0:52:16 Erweiterte Baum-Welch Regeln 0:54:59 MMIE Trainingsprozedur 0:57:21 Ergebnisse 0:58:00 MWE/MCE Training 1:07:31 Neue-Worte-Problem 1:09:31 Ansätze 1:11:02 Häufigkeitsverteilung von Wörtern 1:12:46 Herausvorderungen bei der OOV Detektion 1:14:11 OOV Wörtermodelle im AM 1:15:37 AM 1:16:03 OOV Wörtermodelle LM 1:17:49 Automatisches Clustern 1:18:06 Beispiele 1:19:36 Genauigkeit OOV Detektion 1:21:01 Lernen der neuen Wörter 1:21:32 Beispiel Lerndialog…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 18.01.2017, 18 1:20:14

منذ 8 years1:20:14

1:20:14

18 | 0:00:00 Starten 0:01:22 Vor- und Nachteile eines Stackdecoders 0:05:30 A* vs. Strahlsuche 0:07:22 Vermeidung von Redundanzen 0:09:23 Baumsuche 0:12:11 Baumsuche mit Sprachmodell 0:13:54 Delayed Bi-Grams 0:21:15 Einsparung durch Baum-Lexica 0:25:40 Kopien von Suchbäumen 0:29:50 Suche mit kontextabhängigen Modellen 0:32:24 Baumsuche mit kontextabhängigen Modellen 0:35:58 N-Besten Suche 0:43:27 Probleme mit n besten Listen 0:45:27 Wortgraphen 0:47:39 Zusammenfassung Beschleunigungstechniken 0:49:35 Mehrpass Suchen 0:50:53 Beispiel: IBIS Single Pass Decoder 0:53:48 Delayed Bi-Grams 1:00:17 Consensus Decoding 1:02:38 Bsp: MAP vs. Wort-Posteriori-W'keiten 1:08:34 Minimierung des Wortfehlers 1:12:50 Approximierung mit N-besten Listen 1:14:55 WER Minimierung auf Wortgraphen 1:17:16 Multiple Alignment WER…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 16.01.2017, 17 1:19:30

منذ 8 years1:19:30

1:19:30

17 | 0:00:00 Starten 0:00:04 Suche 0:01:31 Erinnerung: Fundamentalformel 0:02:05 Suche in der Spracherkennung 0:05:08 Erinnerung DTW und One-Stage-DP 0:07:02 Suche im Allgemeinen 0:09:33 Suche mit DP und Heuristik 0:11:37 Kenngrößen für Suchprobleme 0:14:42 Forward-/Backward-/bi-direktionale Suche 0:16:34 Explizite vs. Implizite Implementierung 0:18:15 Blinde Suche 0:19:51 Suchstrategien 0:24:49 Tiefensuche vs. Breitensuche 0:25:58 Heuristische Graphsuche 0:28:42 Zeitasynchrone Suche mit A* 0:33:13 Zeitsynchrone Strahlsuche 0:38:16 Beams in ASR 0:40:15 Beam vs. WER 0:51:26 Kontinuierliche Suchräume, gleichverteiltes Sprachmodell 0:54:51 Suchraum mit Uni-Gramm 0:58:16 Suchraum mit Bi-Grammen 1:00:59 Suchraum mit Tri-Grammen 1:05:58 Viterbi Decoding 1:12:51 A* mit Stack Decoder 1:14:40 Heuristik für A* 1:16:42 Fast Match…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 21.12.2016, 16 37:21

منذ 9 years37:21

37:21

16 | 0:00:00 Starten 0:00:04 Kombination von Sprachmodell und Akustischem Modell 0:15:11 Deterministische Sprachmodelle 0:17:41 Repräsentation der Grammatik 0:19:28 Formale Sprachtheorie 0:20:31 Chomsky-Hierarchie 0:22:28 Chartparsing 0:24:54 Probabilistische CFGs 0:28:34 Suche 0:30:26 Erinnerung: Fundamentalformel 0:31:15 Suche in der Spracherkennung…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 14.12.2016, 15 1:23:10

منذ 9 years1:23:10

1:23:10

15 | 0:00:00 Starten 0:00:05 Aussprachewörterbücher, Sprachmodelle 0:00:41 Flexibles Trainingsalignment 0:01:05 Aussprachen bestimmen für unüberwachtes Lernen 0:05:18 Emotionserkennung mit Hilfe von Aussprachenvarianten 0:06:27 Aussprachewörterbuch Entwicklung (nach Adda-Decker und Lamel) 0:09:10 Multiworte 0:12:05 Single Pronunciation Dictionaries 0:15:06 Erweiterter Clusterbaum 0:18:48 Ergebnisse 0:22:47 Literaturempfehlung 0:23:27 Sprachmodellierung 0:24:15 Erinnerung: Fundamentalformel 0:29:44 Determinstische vs. Stochastische Sprachmodelle 0:33:48 Wörterratespiel 0:38:08 Wozu dient das Sprachmodell 0:40:26 Stochastische Sprachmodelle 0:44:57 Äquivalenzklassen 0:46:28 Schätzen von N-Gramm W´keiten 0:47:34 Beispiel 0:50:57 Bigramme und Trigramme 0:53:57 Das Bag-of-Words Experiment 0:55:30 Glättung von Sprachmodellparametern 0:57:59 Discounting 1:00:51 Interpolation (Lineare Glättung) 1:02:16 HMM für Interpolationsgewichte 1:10:10 Schätzung der Gewichte 1:10:57 HMM für Interpolationsgewichte 1:11:53 Deleted Interpolation. Basierend auf den »Conditional Counts« 1:17:47 Praktische Aspekte 1:19:38 Schätzen von Y 1:20:28 Allgemeines Rahmenwerk für Glättung 1:22:41 Weitere Notationen…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 12.12.2016, 14 1:11:33

منذ 9 years1:11:33

1:11:33

14 | 0:00:00 Starten 0:00:09 Wiederholung 0:03:29 Kontextfragen 0:09:30 Typische Kontextfragen 0:13:15 Abdeckung durch Polyphone 0:14:51 Gewinn durch längere Kontexte 0:16:21 Verwendung dynamischer Modalitäten 0:17:38 Dynamische Modalitäten 0:29:29 Fehler durch Falsche Aussprachen 0:31:19 Generierung von Aussprachewörterbüchern 0:39:42 Verwendung von existierenden Wörterbüchern 0:43:58 Lernen von Ausspracheregeln 0:51:00 Inkrementelles Lernen 0:53:28 Aussprachevarianten 0:56:08 Finden von Aussprachevarianten 0:57:32 Probleme mit Aussprachevarianten 1:02:59 Typische Aussprachevarianten 1:03:38 Regeln für Aussprachevarianten im Deutschen 1:04:40 Datengetriebenes Finden von Aussprachevarianten 1:07:48 Finden von Aussprachevarianten mit dem Silbenmodell 1:09:22 Flexibles Trainingsalignment…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 30.11.2016, 13 1:26:53

منذ 9 years1:26:53

1:26:53

13 | 0:00:00 Starten 0:00:06 EM Algorithm 0:00:22 Literatur 0:01:46 Baum-Welch Regeln 0:03:41 Maximum-Likelihood Methode 0:42:38 Expectation Maximization (EM) 0:45:19 EM 0:49:06 EM – Expectation Schritt 0:54:25 EM für Mixtur-Gewichte 1:05:41 EM für Gaußmixturen 1:17:21 EM für HMMs 1:20:05 EM für HMMs Anfangsw´keiten 1:22:18 EM für HMMs Übergangsw´keiten 1:24:26 EM Algorithmus diskrete Emissionsw´keiten…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 28.11.2016, 12 1:21:08

منذ 9 years1:21:08

1:21:08

12 | 0:00:00 Starten 0:00:11 EM Algorithmus Emissionsw'keiten GMM 0:06:13 HMM Training für multiple Trainigssequenzen 0:07:32 HMMs in ASR 0:10:16 Wortfolge zu HMM 0:13:56 HMM in ASR 0:26:49 HMM Trainingszyklus 0:36:21 Etikettierte Daten 0:38:19 Initalisierung mit K-Mittelwerte Algorithmus 0:47:19 Neural Gas Algorithmus 0:49:20 Initilisierung der HMM Parameter 0:51:25 Initialisierung ohne Etiketierte Daten 0:53:33 Viterbi Training 0:57:59 Label Training 1:00:00 Komponenten eines HMM Erkenners 1:01:41 Parameterkopplung 1:03:13 Semikontinuierliches HMM 1:10:21 Parameterkopplung…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 23.11.2016, 11 1:26:49

منذ 9 years1:26:49

1:26:49

11 | 0:00:00 Starten 0:00:05 EM Algorithm 0:00:19 Literatur 0:01:55 Baum-Welch Regeln 0:03:38 Maximum-Likelihood Methode 0:42:31 Expectation Maximization EM) 0:45:17 EM 0:49:09 EM – Expectation Schritt 0:54:05 EM für Mixtur-Gewichte 1:00:55 EM für Mixturgewichte 1:05:43 EM für Gaußmixturen 1:17:48 EM für HMMs 1:20:37 EM für HMMs Anfangsw´keiten 1:22:50 EM für HMMs Übergangsw´keiten 1:24:30 EM Algorithmus diskrete Emissionsw´keiten…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 21.11.2016, 10 1:24:22

منذ 9 years1:24:22

1:24:22

10 | 0:00:00 Starten 0:00:20 Stochastik in der Spracherkennung 0:05:24 Die Fundamentalformel 0:10:01 Stochastische ASR Akustisches Modell 0:11:49 Stochastischer Prozess 0:19:33 Makrow-Kette 0:20:42 Makrow-Kette n-ter Ordnung 0:23:22 Makrow-Ketten 1. Ordnung 0:27:37 Beispiele 0:32:10 Hidden Markov Models 0:40:48 Urne Ball Modell 0:42:27 HMM Definition 0:45:25 HMM Beobachtungsgenerierung 0:46:56 Die HMM Trellis 0:48:38 Die Drei Probleme des HMMs 0:52:21 Forward Algorithmus 0:57:17 Backward Algorithmus 1:04:29 Das Decoding Problem 1:07:30 Viterbi-Algorithmus 1:09:37 Das Lern-Problem 1:17:54 Baum-Welch Regeln…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 16.11.2016, 09 1:20:59

منذ 9 years1:20:59

1:20:59

09 | 0:00:00 Starten 0:00:26 DTW für einzelne Wörter 0:03:44 DTW für Sequenzen mehrere Wörter 0:09:45 One Stage DP 0:12:48 One Stage DP Implementierung 0:17:29 One Stage DP Syntaktische Einschränkung 0:20:34 Gaußverteilung (Normalverteilung) 0:26:12 Multivariate Normalverteilung 0:27:33 Kovarianzmatrix der Gaußverteilung 0:34:24 Gauß-Mischverteilung 0:35:16 Benutzung in der Praxis 0:44:11 Vektorquantisierung 0:46:54 Voronoiregionen 0:48:46 Mahalanobis Distanz 0:49:53 Vektorquantisierung als Klassifikationsproblem 0:51:54 K-Nächste Nachbar 0:53:58 Beschleunigung von KNN 1:00:46 Baumstruktur des Merkmalsraums 1:01:41 Aufgabe 1:09:34 Finden von Referenzvektoren 1:10:33 K-MIttelwerte 1:13:07 Learning VQ 1:14:48 LVQ 2, LVQ 3 1:16:18 LVQ als KNN…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 14.11.2016, 08 1:11:52

منذ 9 years1:11:52

1:11:52

08 | 0:00:00 Starten 0:00:14 Hauptkomponentenalyse (PCA) 0:02:40 Lineare Diskriminanzanalyse 0:05:21 Vorverarbeitung mit Neuronalen Netzen 0:10:11 Bottelneck Features 0:13:56 Klassifikation 0:15:30 Aufgabe (1) 0:21:36 Statistische vs. Wissensbasierte Ansätze 0:23:15 Wissensbasiert: Entscheidungsbäume 0:25:00 Classification and Regression Trees 0:28:37 Überwachtes vs. Unüberwachtes Lernen 0:30:09 Unüberwachtes Lernen 0:30:31 Überwachtes Lernen 0:31:32 Parametrische vs. Nicht-Parametrische Klassifikation 0:35:22 Bayes Klassifikator 0:37:50 Minimum Fehler Regel 0:37:59 Entscheidungsgrenze 0:39:00 Parzen Fenster 0:39:21 Spracherkennung mit Musterklssifikation 0:41:43 Vergleich ganzer Äußerungen (1) 0:43:48 Aufgabe (2) 0:46:26 Vergleich ganzer Äußerungen (2) 0:50:10 Time Warping 0:51:07 Distanz zweier Äußerungen 0:52:49 Erinnerung MInimale Editierdistanz 0:53:37 DP Matrix 0:54:14 Dynamic Time Warping (DTW) 0:56:03 Einschränkungen des DTW Pfades 0:58:46 DTW Schritte 0:59:46 Globale Einschränkungen 1:00:50 Der DTW Suchraum 1:04:24 Strahlsuche 1:06:01 Mögliche Distanzen zwischen Vektoren…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 09.11.2016, 07 1:25:20

منذ 9 years1:25:20

1:25:20

07 | 0:00:00 Starten 0:00:17 Spektrogramm 0:00:58 Oberschwingung, Harmonische 0:03:14 Mel Skalierung 0:07:18 Effekt der Fensterlänge 0:12:44 Quelle Filter Modell der Sprache 0:15:24 Helmholtzresonator 0:17:08 Vokaldreieck 0:21:30 Lineare Vorhersage (LPC) 0:28:54 Interpretation der LPC Koeffizienten 0:30:47 All-Pole Modell 0:30:53 LPC Beispiel 0:33:45 Cepstrum 0:50:02 Diskrete Cosinustransformation 0:51:03 Beispiel: Berechnung MFCC Koeffizienten 0:51:35 Filterbank im Leistungsbetrags-Spektrum 0:51:52 Mel-Filterbank 0:51:59 Logarithmus auf Leistungsbetragsspektrum 0:52:31 Cepstral-Koeffizienten 0:53:17 Log-Spektrum rekonstruiert von (geliftertem) Cepstrum 0:53:35 Vergleich Verschiedener Spektren 0:54:34 Typische Vorverarbeitung 1:05:14 Spektrogramm 1:05:48 Dynamische Merkmale 1:07:36 Autokorrelation 1:12:57 Nulldurchgangsrate 1:15:36 Hauptkomponentenanalyse (PCA) 1:24:51 Lineare Diskriminanzanalyse…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 31.10.2016, 05 1:02:29

منذ 9 years1:02:29

1:02:29

05 | 0:00:00 Starten 0:00:33 Grundlagen der Signalverarbeitung 0:00:50 Wozu Signal(vor)verarbeitung? 0:02:33 Systeme 0:06:21 Zeitinvariante System 0:09:58 Dirac Distribution 0:18:18 Faltung 0:20:35 Impulsantwort 0:26:59 Quelle Filter Modell der Sprache 0:30:42 Parametereigenschaften einer trigonometrischen Funktion 0:32:31 Darstellungen der Fourierreihe 0:38:34 Fouriertransformation 0:45:20 Komplexes Spektrum 0:52:36 Projektion der komplexen Exponentialfunktion auf die reelle trigonometrische Funktion 0:52:57 Zeitdiskrete Fouriertransformation 0:55:51 Diskrete Fouriertransformation…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 02.11.2016, 06 1:29:22

منذ 9 years1:29:22

1:29:22

06 | 0:00:00 Starten 0:00:15 Zusammenfassung Fouriertransformation 0:02:21 Digitalisierung 0:03:02 Abtastung (Sampling) 0:04:21 Abtasttheorem Nyquist-Shannon Theorem 0:06:36 Aliasing 0:18:46 Reale Abtastung 0:20:19 Quantisierung 0:23:35 Quantisierungsrauschen 0:27:58 Quantisierung von Sprachsignalen 0:30:20 Einseiztige und zweiseitige Laplace Transformation 0:34:51 Laplace Transformation 0:36:16 |F(s)| - Darstellung 0:37:29 Wiederholung LTI-Systeme 0:38:48 Darstellung der Übertragungsfunktion von LTI Systemen 0:44:58 Projektion auf s-Ebene 0:46:23 Pol-Nullstellen-Schema in der s-Ebene 0:47:03 Z-Transformation 0:48:50 Zusammenhang LT und ZT 0:49:43 Abbildung komplexe s-Ebene auf z-Ebene 0:51:20 Kurzzeitspektralanalyse 1:01:51 Periodizität des gefensterten Signals 1:05:04 Effekt der Fensterung 1:06:54 Fensterfunktionen (1) 1:09:48 Effekt der Fensterung 1:11:32 Fensterfunktionen (2) 1:14:06 Wo ist der Fehler? 1:14:27 Spektogramm (1) 1:17:34 Oberschwingung, Harmonische 1:21:18 Spektogramm (2) 1:26:36 Fensterfunktionen (3) 1:28:32 Spektogramm (3)…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 19.10.2016, 02 1:29:09

منذ 9 years1:29:09

1:29:09

02 | 0:00:00 Starten 0:00:09 Einführung und Anwendungen 0:01:08 Ist Spracherkennung Schwierig? 0:02:00 Warum ist ASR schwierg? 0:02:51 Variabilität auf Signalebene 0:09:44 Variabilität auf phonetischer Ebene 0:12:57 Mehrdeutigkeit auf linguistischer Ebene 0:16:32 Segmentierung 0:18:24 Sprache aus Sicht der Maschine 0:19:15 Spracherkennung als Klassifikation 0:20:20 Große Datenmengen, viele Klassen 0:23:29 Menschen können ASR 0:26:09 Ein Experiment 0:34:09 McGurk Effekt 0:38:10 Die Vogelperspektive 0:41:36 Gebiete, die relevant sind 0:46:03 Sprachproduktion 0:47:16 Artikulationsapparat 0:49:12 Vokaltrakt 0:50:46 Stimmhafte Sprache 0:54:51 Grundfrequenz/-ton 0:58:35 Animation des Vokaltrakts / Stroboskopaufnahme 1:01:27 Sprachlaute – Vokale und Konsonanten 1:05:36 Vokale 1:09:11 Diphthonge 1:10:37 Konsonanten 1:14:37 Konsonantenbeispiel 1:15:37 Ort der Artikulation 1:16:50 Art der Artikulation 1:21:30 Internationales Phonetisches Alphabet 1:22:43 IPA Vokale 1:23:43 IPA Konsonanten 1:25:00 Nasale 1:26:13 Phonem…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 26.10.2016, 04 1:23:35

منذ 9 years1:23:35

1:23:35

04 | 0:00:00 Starten 0:00:04 Inhalt: Mikrofone, Wortfehlerrate 0:00:40 Mikrofone 0:01:25 Wandlerprinzipien 0:02:21 Richtcharakterristik 0:05:56 Akustische Bauformen 0:20:12 Pop- und Windschutz 0:23:44 Geschichte der ASR 0:39:56 Euphonia – Speech Organ (1846) 0:41:03 Radio Rex (1922) 0:43:11 Vocoder (1939) 0:43:59 HARPY (1976) 0:48:19 Wortfehlerrate 0:50:19 Minimale Editierdistanz 0:51:08 Ein Beispiel 0:52:02 Eigenschaften der WER 0:57:44 Probleme mit der WER 1:02:55 WER in den DARPA Evaluationen 1:17:46 Grundlagen der Signalverarbeitung 1:19:39 Wozu Signal(vor)verarbeitung?…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 24.10.2016, 03 1:26:12

منذ 9 years1:26:12

1:26:12

03 | 0:00:00 Starten 0:00:04 Wiederholung der letzten Vorlesung 0:02:36 Phonem 0:05:09 Kurioses 0:10:48 Schall 0:18:12 Schalldruckpegel 0:21:42 Beispiele für Pegel 0:24:01 Schallenergie 0:26:43 Schallfläche 0:27:43 Anatomie Gehör 0:33:57 Gehör 0:36:18 Cochlea 0:41:30 Psychoakustik 0:46:00 Frequenzantwort der Membran 0:48:45 Lautstärkenempfinden 0:51:11 Experimente 0:57:23 Die Hörfläche 1:01:40 Schriftsysteme 1:10:02 Verteilung der Schriftsysteme 1:13:52 Mikrofone 1:14:43 Überblick…

Grundlagen der Automatischen Spracherkennung, WS16/17, Vorlesung

1
Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2016/17, 17.10.2016, 01 1:10:07

منذ 9 years1:10:07

1:10:07

01 | 0:00:00 Starten 0:00:55 Was ist Automatische Spracherkennung? 0:05:14 Sprache vs. Sprache 0:11:29 Anwendung von ASR 0:32:10 Vorteile von ASR 0:40:11 Aktuelles Beispiel 0:42:51 Nachteile von ASR 0:49:51 Taxonomie von Sprache 1:05:32 Ist Spracherkennung schwierig? 1:08:01 Warum ist ASR schwierig?

مرحبًا بك في مشغل أف ام!

يقوم برنامج مشغل أف أم بمسح الويب للحصول على بودكاست عالية الجودة لتستمتع بها الآن. إنه أفضل تطبيق بودكاست ويعمل على أجهزة اندرويد والأيفون والويب. قم بالتسجيل لمزامنة الاشتراكات عبر الأجهزة.