pb425 - Modern Speech Technology (Vollständige Modulbeschreibung)

Workload: 28 hours and 62 self study

Kenntnisse oder Erfahrungen in der Systemtheorie

Der Kurs vermittelt die ingenieurmäßigen Werkzeuge für die moderne Sprachsignalverarbeitung. Die vermittelten Grundlagen ergänzen die physiologischen Aspekte der Spracherzeugung und die psychoakustischen Aspekte der Sprachwahrnehmung aus dem "Einführungskurs" um die technische Repräsentation von Sprache in Algorithmen, Hardware und Software. Dabei wird ein besonderes Augenmerk auf die Aufgabenstellung der Sprachsignalverbesserung in mehreren Facetten gelegt, wie etwa der Geräuschfilterung, Hallreduktion und Echokompensation. Die benötigten Werkzeuge der modernen Sprachverarbeitung werden hier elementar und intuitiv vermittelt. Die mathematischen Anforderungen sind moderat bis gering. Die Übungen werden von den Studierenden selbst oder im Team und ggfs. mit komponentenweiser Unterstützung durch die Lehrenden in Software oder an der Tafel implementiert. Die Studierenden gewinnen so einen Voreinblick in die wissenschaftliche Arbeitsweise bei studentischen Qualifikationsarbeiten, wie etwa der Bachelorarbeit, sowie in die ingenieurmäßige Arbeitsweise im industriellen Umfeld von Sprachverarbeitung.

1. Technische Repräsentation von Sprachsignalen
- Bandbreite, Abtastrate, Abtastratenfehler, Digitale Auflösung
- Einkanal-, Mehrkanal-, Binauralsignale
-  Akustisches Sensornetzwerk
- Datenbanken für Sprache und Störung
- Raumsimulation mit Spiegelquellen-Methode

2. Aufgabenstellung der Sprachsignalverbesserung
- Organisationform wissenschaftlicher Signalverarbeitungswettbewerbe
- Problemstellungen mit Störsignal, Raumhall oder Interferenz
- Evaluationsmetriken: PESQ, STOI, SegSNR, POLQA, ViSQOL
- Modellbasierte Verarbeitungsweise: z.B. Wiener-Filter
- DNN-basierte Verarbeitungsweise: FNN, CNN, RNN, LSTM
 

3. Hardware- und Softwarewerkzeuge für die Sprachverarbeitung
- Entwicklungsumgebungen: Matlab, Python, TensorFlow
- Kommerzielle Lösungen und Analyse: z.B. Nvidia, Krisp
- Geräte für die Sprachsignalerfassung und Verarbeitung: PC, Handy, R-Pi, Hearing Aid
 

4. Sprachkommunikation
- Systeme zur Sprachkommunikation: Festnetz, Mobilfunk, Voice-over-IP, Telekonferenz
- Prinzipielle Funktion von Sprachcodecs: Quellen- und Kanal-Kodierung
- Aktuelle Entwicklungen für die Sprachübertragung: WebRTC, Speex, EVS
- Eigenschaften der Codecs: Abtastrate, Bitrate, Latenz, SNR, Komplexität im Vergleich
- Übertragungsverluste und ihre Kompensation: Statistische Modellierung und Verschleierung

Vary, Martin: Digital Speech Transmission – Enhancement, Coding, and Error Concealment, Wiley 2006

1 Klausur (30 - 60 Min.) oder
1 mündliche Prüfung (20 - 30 Min.) oder
1 Referat (20 -30 Min.)