RNDr. Marek Nagy, PhD.
Detektor hlasovej aktivity má mnohostranné využitie. Vo zvukovom signále identifikuje pozície nahrávky hlasu a neželaného šumu (ticha). Pomôže to napríklad redukovať dátové prenosy pri audiokonferenčných aplikáciách. Prínos je aj pre rozpoznávač reči, ktorý dostane na rozpoznanie menšie úseky záznamu, čím sa zmenší jeho chybovosť.
Vytvoriť algoritmus detekcie hlasu v zvukovej nahrávke v aplikácii Octave(Matlab). Treba brať zreteľ, že sa VAD bude využívať v reálnom čase. Následne tento algoritmus efektívne prepísať do Javascriptu, aby sa dal použiť ako modul do webovej aplikácie s audiokonferenčnou možnosťou.
October 2020 : Digital Signal Processing
November 2020 : Prepare and study resources
December 2020 : Implement the first resource
January 2021 : Research datasets
February 2021 : Implement mixing of recording
March 2021 : Run experiments
April 2021 : Implement results evaluation
May 2021 : Evaluate experiments
10.5.2021 : Create website and presentation
November 2021 : Implement second resource
November 2021 : Run experiments
December 2021 : Prepare for presentation
January 2022 : Evaluate experiments
February 2022 : Propose, choose a solution
March 2022 : Implement the solution
April 2022 : Evaluate the solution
May 2022 : Final touches, presentation
| Type | Title | Author(s) |
|---|---|---|
| Article | Formant-Based Robust Voice Activity Detection | I.Yoo, H.Lim, D.Yook |
| Article | Vowel formants compared with resonances of the vocal tract | Aalto Daniel, Huhtala Antti, Kivelä A., Malinen Jarmo, Palo Pertti, Saunavaara Jani, Vainio Martti |
| Dataset | English multi-speaker corpus for CSTR voice cloning toolkit | Yamagishi Junichi |
| Dataset | MUSAN: A Music, Speech, and Noise Corpus | David Snyder and Guoguo Chen and Daniel Povey |
| Article | Signal-to-noise ratio (SNR) as a measure of reproducibility: Design, estimation, and application | Elkum, Naser and Shoukri, Mohamed |
| Article | Speech enhancement for non-stationary noise environments | Cohen, Israel and Berdugo, Baruch |
| Article | Noise power spectral density estimation based on optimal smoothing and minimum statistics | Martin, R. |
| Article | Computationally Efficient Speech Enhancement By Spectral Minima Tracking In Subbands | Gerhard Doblinger |
| Article | Assessing local noise level estimation methods: Application to noise robust ASR | Christophe Ris and Stéphane Dupont |
| Article | Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator | Ephraim, Y. and Malah, D. |
| Article | Speech enhancement using a soft-decision noise suppression filter | McAulay, R. and Malpass, M. |