Puheentunnistus
Tavoitteemme on parantaa automaattisen puheentunnistuksen menetelmiä Aalto-yliopistossa kehitettävien uusien algoritmien avulla.
Puheentunnistus tarjoaa haastavia benchmark-tehtäviä tehokkaille algoritmeille, jotka prosessoivat suuria datamassoja ja oppivat mallintamaan niistä olennaiset piirteet. Akustisten foneemimallien parantamisen lisäksi tähtäämme uusien oppivien ja tilastollisten kielimallien kehittämiseen vaativiin tunnistustehtäviin, joissa käsitellään rajoittamattoman sanaston jatkuvaa puhetta. Ryhmällemme relevantteihin pilotointisovelluksiin kuuluvat eri kielten sanelun lisäksi audioindeksointi, adaptiivinen puhesynteesi ja puheesta puheeseen käännös.
Ryhmän jäsenet
Software & Demonstrations
Software produced as part of our research is available on our GitHub
Demonstration videos of our research work can be watched on our YouTube Channel
Viimeisimmät julkaisut
wav2vec2-based Speech Rating System for Children with Speech Sound Disorder
Yaroslav Getman, Ragheb Al-Ghezi, Ekaterina Voskoboinik, Tamás Grósz, Mikko Kurimo, Giampiero Salvi, Torbjørn Svendsen, Sofia Strömbergsson
2022
Proceedings of Interspeech'22
Tracing Signs of Urbanity in the Finnish Fiction Film of the 1950s: Toward a Multimodal Analysis of Audiovisual Data
Tamás Grósz, Noora Kallioniemi, Harri Kiiskinen, Kimmo Laine, Anssi Moisio, Tommi Römpötti, Anja Virkkunen, Hannu Salmi, Mikko Kurimo, Jorma Laaksonen
2022
Proceedings of the 6th Digital Humanities in the Nordic and Baltic Countries Conference (DHNB 2022), Long Papers
Gaming enhances learning-induced plastic changes in the brain
Katja Junttila, Anna Riikka Smolander, Reima Karhila, Anastasia Giannakopoulou, Maria Uther, Mikko Kurimo, Sari Ylinen
2022
Brain and Language
Comparison and Analysis of New Curriculum Criteria for End-to-End ASR
Georgios Karakasidis, Tamás Grósz, Mikko Kurimo
2022
Proceedings of Interspeech'22
A Formant Modification Method for Improved ASR of Children’s Speech
Hemant Kathania, Sudarsana Kadiri, Paavo Alku, Mikko Kurimo
2022
Speech Communication
Data Augmentation Using Spectral Warping for Low Resource Children ASR
Hemant Kumar Kathania, Viredner Kadyan, Sudarsana Reddy Kadiri, Mikko Kurimo
2022
Journal of Signal Processing Systems
Lahjoita puhetta: a large-scale corpus of spoken Finnish with some benchmarks
Anssi Moisio, Dejan Porjazovski, Aku Rouhe, Yaroslav Getman, Anja Virkkunen, Ragheb AlGhezi, Mietta Lennes, Tamás Grósz, Krister Lindén, Mikko Kurimo
2022
LANGUAGE RESOURCES AND EVALUATION
Low Resource Comparison of Attention-based and Hybrid ASR Exploiting wav2vec 2.0
Aku Rouhe, Anja Virkkunen, Juho Leinonen, Mikko Kurimo
2022
Proceedings of Interspeech'22
Self-supervised end-to-end ASR for low resource L2 Swedish
Ragheb Al-Ghezi, Yaroslav Getman, Aku Rouhe, Raili Hildén, Mikko Kurimo
2021
22nd Annual Conference of the International Speech Communication Association, INTERSPEECH 2021
LSTM-XL: Attention Enhanced Long-Term Memory for LSTM Cells
Tamás Grósz, Mikko Kurimo
2021
Text, Speech, and Dialogue - 24th International Conference, TSD 2021, Proceedings