19Д031ГТ - Говорне технологије

Спецификација предмета
Назив		Говорне технологије
Акроним		19Д031ГТ
Студијски програм		Електротехника и рачунарство
Модул		модул Телекомуникације
Тип студија		докторске академске студије
Наставник (предавач)		проф. др Драгана Шумарац Павловић
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
Број ЕСПБ		9.0	Статус предмета	изборни
Условљност другим предметима		Положен испит из предмета Основи говорних комуникација
Циљеви изучавања предмета		Циљ је овладавање E2E архитектурама, синтезом говора и SSL методама. Кроз истраживачки рад, фокус је на критичкој анализи и развоју решења за изазове робусности, биометрије и паралингвистичке екстракције информација. Студент развија капацитет за пројектовање иновативних говорних система и писање научних радова.
Исходи учења (стечена знања)		Студент ће оспособити за пројектовање E2E и дифузионих модела за препознавање и синтезу говора. Овладаће SSL техникама за екстракцију карактеристика и решавање паралингвистичких изазова са мало података. Развиће способност формулисања оригиналних решења у говорној биометрији и припреме научних радова према врхунским међународним стандардима.
Садржај предмета
Садржај теоријске наставе		Основи физиологије, акустикa говора и елементи лингвистике. Елементи психоакустике, психолингвистике и перцепције говора. Теорија и системи у препознавању и синтези говора. Методе препознавања језика и говорника (биометријске и форензичке апликације). Стратегије у пројектовању дијалога човек-рачунар. Специфичне примене говорних технологија у мултимодалним комуникацијама.
Садржај практичне наставе		Примена различитих софтверских алата у обради говорног сигнала и разрада усвојених теоријских и практичних знања кроз семинаре и/или пројекте.
Литература
Jurafsky, D., & Martin, J. H. (2024). Speech and Language Processing (3rd Edition Draft). Tan, X. (2022). Neural Speech Synthesis. Springer Nature. Tan, X., Qin, T., Soong, F., & Liu, T. Y. (2021). A Survey on Neural Speech Synthesis. Microsoft Research Asia. (Published in IEEE Access/arXiv). Li, J. (2020). Recent Advances in End-to-End Automatic Speech Recognition. Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SIP), Cambridge University Press. Mohamed, A., Lee, H. Y., Borgholt, L., et al. (2022). Self-Supervised Speech Representation Learning: A Review. IEEE Journal of Selected Topics in Signal Processing.
Број часова активне наставе недељно током семестра/триместра/године
Предавања	Вежбе	ДОН	Студијски и истраживачки рад	Остали часови
8
Методе извођења наставе		Консултације, израда семинарског рада и/или учешће у пројектима.
Оцена знања (максимални број поена 100)
Предиспитне обавезе		Поена	Завршни испит	Поена
Активности у току предавања		20	Писмени испит	0
Практична настава		0	Усмени испит	30
Пројекти
Колоквијуми		0
Семинари		50