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
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
Use of Self-Supervised Learning in Automated Speaking Scoring for Low Resource Languages
Ragheb Al-Ghezi
2024
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
Comparison and analysis of new curriculum criteria for end-to-end ASR
Georgios Karakasidis, Mikko Kurimo, Peter Bell, Tamás Grósz
2024
Speech Communication
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
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
Attention-based End-to-End Models in Language Technology
Aku Rouhe
2024
Principled Comparisons for End-to-End Speech Recognition: Attention vs Hybrid at the 1000-hour Scale
Aku Rouhe, Tamás Grósz, Mikko Kurimo
2024
IEEE/ACM Transactions on Audio, Speech, and Language Processing
Listening like a speech-training app: Expert and non-expert listeners’ goodness ratings of children’s speech
Sofia Strömbergsson, Molly Fröjdh, Magdalena Pettersson, Tamás Grósz, Yaroslav Getman, Mikko Kurimo
2024
Clinical Linguistics and Phonetics
INVESTIGATING THE CLUSTERS DISCOVERED BY PRE-TRAINED AV-HUBERT
Anja Virkkunen, Guangpu Huang, Tamas Grosz, Mikko Kurimo
2024
2024 IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2024 - Proceedings