Izboljševanje kakovosti govornih posnetkov z modeli generativnih nasprotniških nevronskih omrežij

magistrsko delo

Vasja Prelc (Avtor), Simon Dobrišek (Mentor)

Povzetek

V predstavljenem delu smo izvedli, preizkusili in ovrednotili učinkovitost izbranih računskih metod izboljšanja kakovosti govora v zvočnih signalih, pri čemer so bili uporabljeni govorni posnetki v slovenskem jeziku. Metode za izboljšanje kakovosti govora se običajno uporabljajo kot predhodni proces pri sistemih za samodejno razpoznavanje govora, saj se z odpravo motenj in šumov, primešanih govornemu signalu, zmanjša možnost napačnega razpoznavanja govora. Uporaba tovrstnih metod je nepogrešljiva predvsem pri aplikacijah za video klice. V okviru predstavljenega dela smo preizkusili dva modela generativnih nasprotniških nevronskih omrežij, in sicer model nevronskega omrežja SEGAN in model nevronskega omrežja Wave-U-Net. Oba modela smo z metodami strojnega učenja naučili in preizkusili z uporabo slovenske govorne zbirke, ki je bila pridobljena v okviru projekta Razvoj slovenščine v digitalnem okolju (RSDO). Uspešnost uporabljenih modelov in metod smo na koncu ovrednotili in primerjali z merami, ki se običajno uporabljajo za vrednotenje kakovosti zvočnih govornih posnetkov. Analizirali smo delovanje obeh uporabljenih metod in razlike v njuni zmogljivosti pri uporabi govornih posnetkov v slovenskem in angleškem jeziku.

Ključne besede

izboljševalniki govora;SEGAN;Wave-U-Net;RSDO;slovenski jezik;slovenščina;magisteriji;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2022
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UL FE - Fakulteta za elektrotehniko
Založnik:	[V. Prelc]
UDK:	004.934:811.163.6(043.3)
COBISS:	101437187
Št. ogledov:	143
Št. prenosov:	23
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Improving the quality of voice recordings using generative adversarial neural network models
Sekundarni povzetek:	In the presented work, we implemented, tested and evaluated the effectiveness of selected computational methods for improving speech quality in audio signals, where we used speech recordings in the Slovenian language. Speech enhancement methods are commonly used as a pre-process in automatic speech recognition systems, as the elimination of disturbances and noises mixed with the speech signal reduces the possibility of incorrect speech recognition. The use of such methods is indispensable, especially in video calling applications. As part of the presented work, we tested two models of generative adversary neural networks, namely the SEGAN neural network model and the Wave-U-Net neural network model. Both models were trained and tested using machine learning methods with the Slovene language speech database, which was acquired as part of the project Development of Slovene in the Digital Environment (RSDO). The performance of the models and methods used was finally evaluated and compared with the measures commonly used to evaluate the quality of speech sound recordings. We analyzed the operation of both methods used and the differences in their performance when using Slovenian and English language speech recordings.
Sekundarne ključne besede:	Speech enhancement;SEGAN;Wave-U-Net;RSDO;Slovenian language.;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Študijski program:	1000316
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za elektrotehniko
Strani:	XIV, 37 str.
ID:	14785404