Informaatio- ja tietoliikennetekniikan laitos

Puheentunnistus

Tavoitteemme on parantaa automaattisen puheentunnistuksen menetelmiä Aalto-yliopistossa kehitettävien uusien algoritmien avulla.
Speech_Recognition_Aalto_University

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.

Lue lisää tutkimuksesta

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

A transformer-based spelling error correction framework for Bangla and resource scarce Indic languages

Mehedi Hasan Bijoy, Nahid Hossain, Salekul Islam, Swakkhar Shatabda 2025 Computer Speech and Language

Towards Sustainable Agriculture : A Novel Approach for Rice Leaf Disease Detection Using dCNN and Enhanced Dataset

Mehedi Hasan Bijoy, Nirob Hasan, Mithun Biswas, Suvodeep Mazumdar, Andrea Jimenez, Faisal Ahmed, Mirza Rasheduzzaman, Sifat Momen 2024 IEEE Access

CaptainA self-study mobile app for practising speaking: task completion assessment and feedback with generative AI

Nhan Phan Chi, Anna von Zansen, Maria Kautonen, Tamás Grósz, Mikko Kurimo 2024

Comparison and analysis of new curriculum criteria for end-to-end ASR

Georgios Karakasidis, Mikko Kurimo, Peter Bell, Tamás Grósz 2024 Speech Communication

LLMs’ morphological analyses of complex FST-generated Finnish words

Anssi Moisio, Mathias Creutz, Mikko Kurimo 2024 CMCL 2024 - 13th Edition of the Workshop on Cognitive Modeling and Computational Linguistics, Proceedings of the Workshop

Collecting Linguistic Resources for Assessing Children's Pronunciation of Nordic Languages

Anne Marte Haug Olstad, Anna Smolander, Sofia Strömbergsson, Sari Ylinen, Minna Lehtonen, Mikko Kurimo, Yaroslav Getman, Támas Grosz, Xinwei Cao, Torbjørn Svendsen, Giampiero Salvi 2024 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation, LREC-COLING 2024 - Main Conference Proceedings

Automated content assessment and feedback for Finnish L2 learners in a picture description speaking task

Nhan Phan, Anna von Zansen, Maria Kautonen, Ekaterina Voskoboinik, Tamas Grosz, Raili Hilden, Mikko Kurimo 2024 Proceedings of the Interspeech 2024

From Raw Speech to Fixed Representations: A Comprehensive Evaluation of Speech Embedding Techniques

Dejan Porjazovski, Tamas Grosz, Mikko Kurimo 2024 IEEE/ACM Transactions on Audio Speech and Language Processing

Improved Spoken Emotion Recognition With Combined Segment-Based Processing And Triplet Loss

Dejan Porjazovski, Tamás Grósz, Mikko Kurimo 2024 Proceedings of the 7th International Conference on Natural Language and Speech Processing (ICNLSP 2024)
Lisää tietoa tutkimuksestamme löytyy Aallon tutkimusportaalista.
Tutkimusportaali
  • Julkaistu:
  • Päivitetty: