Diplomová práce

Tvorba mluveného korpusu

Speech corpus building

Bc. Jan Vaňáček, učo 173318
Anotace

Cílem práce je oblast mluvených korpusů pro menší jazyky (tzv. less-studied languages). Práce se zabývá současným stavem v oblasti budování korpusů pro tyto jazyky z pohledu počítačového zpracování přirozeného jazyka (NLP). Práce se zaměřuje na specifika při tvorbě korpusů s ohledem na práci v méně rozvinutých oblastech. A také na postupy, které mají zaručit získání kvalitních nahrávek, počínaje od …více

Abstract

The goal of the thesis is an area of speech corpora for the less-studied languages. The work deals with the current state in building of corpora for these languages from the perspective of natural language processing (NLP). The work focuses on the specifics in creating corpora with regard to work in less developed areas. And it focuses also on some procedures to guarantee the acquisition of high-quality …více

Klíčová slova
mluvený korpus korpus Jigba Nite XML Toolkit zvuková technika záznam zvuku africké jazyky Nigérie překlad bible speech corpus corpus Jigba audio engineering sound recording african languages Nigeria bible translation
Zadání práce

Student prozkoumá současný stav v oblasti budování mluvených korpusů pro menší jazyky (tzv. less-studied languages) z pohledu počítačového zpracování přirozeného jazyka (NLP). V práci se zaměří na specifika při tvorbě korpusů s ohledem na práci v méně rozvinutých oblastech.

V práci se student zaměří na postupy, které mají zaručit získání kvalitních nahrávek, počínaje od různých metod přípravy textu, přes úpravu zvukových nahrávek ve specializovaném softwaru až po přidávání dodatečných vrstev se specifickou anotací. Použité postupy by měly být aplikovatelné i na velké mluvené korpusy (desítky hodin).

V praktické části student vytvoří cvičný mluvený korpus (rozsah alespoň 5 hodin výsledných nahrávek) vhodný i pro potřeby NLP se zaměřením na využití při rozpoznávání řeči, což vyžaduje např. zarovnání zvuku na psaný text. Součástí práce bude podle potřeby tvorba nových softwarových nástrojů potřebných pro proces tvorby korpusu, jeho převod do standardizované podoby určeným frameworkem NITE NXT a přizpůsobení samotného frameworku tak, aby na něm postavené aplikace dokázaly pracovat i s takto vytvořenými daty.

Administrativní informace
Práce zkontrolována:
22. 12. 2011 09:32, Mgr. Marek Grác, Ph.D., učo 50728
Plný text práce
144 KB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
8. 2. 2012
Práce byla úspěšně obhájena

Vedoucí

Mgr. Marek Grác, Ph.D., učo 50728
stud PrF MU

Oponent

Mgr. Dana Hlaváčková, Ph.D., učo 17907
ÚČJ FF MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.