Descripción y contextualización de la asignatura

El objetivo de la asignatura es que los y las estudiantes se familiaricen con las aplicaciones fundamentales del procesado de la señal de voz, como son la síntesis y el reconocimiento automático del habla. Con un enfoque práctico, se analizarán los principales paradigmas que se han dado en ambas tecnologías, se describirán los procedimientos para la generación de estos sistemas con la necesaria creación de recursos y BD de voz y los estudiantes practicarán con sistemas reales. Adicionalmente se revisarán brevemente otras aplicaciones relacionadas con el procesamiento de la voz como el reconocimiento de locutor o de la emoción, la conversión de voz o la diarización entre otras.

Para cursar esta asignatura el estudiante debe dominar los modelos básicos de producción del habla, los conceptos de análisis temporal y frecuencial de la señal y los fundamentos de digitalización de señales.

Resultados del aprendizaje de la asignatura

RA1 Demostrar comprensión de los problemas relacionados con el modelado acústico de la señal de voz,

RA2 Manejar herramientas de análisis y procesado de la señal de voz.

RA3 Demostrar comprensión sobre los sistemas de reconocimiento automático del habla, del hablante y de síntesis de voz, así como las técnicas utilizadas para la evaluación de los mismos.

RA4 Desarrollar un sistema básico de reconocimiento del habla.

RA5 Extraer información de un artículo científico y presentarla de forma oral a un público interdisciplinar e internacional.

Convocatoria ordinaria: orientaciones y renuncia

El sistema de evaluación se divide en tres bloques independientes: magistral, prácticas de laboratorio y exposición de un trabajo sobre una tecnología del habla.

La parte magistral se evalúa mediante una prueba individual escrita a partir de preguntas cortas y de elección múltiple (40%).

La parte de prácticas de laboratorio se evalúa mediante las memorias y el trabajo desempeñado en el laboratorio (40%).

La exposición del trabajo se evalúa con una nota sobre su presentación pública (20%).

En la convocatoria ordinaria deben superarse la prueba de la parte magistral con una nota mínima de 5 sobre 10, y para superar la asignatura debe obtenerse una nota final superior a 5 sobre 10 una vez agregadas todas las calificaciones. Cada bloque de evaluación es independiente y una vez superado un bloque la nota se guardará para sucesivas convocatorias.

RENUNCIA:

Las personas que no puedan seguir la evaluación mixta deberán justificar documentalmente sus causas al equipo docente, siguiendo el procedimiento establecido en la normativa vigente. Podrán acreditar el logro de los resultados de aprendizaje de la asignatura a través de una evaluación final que consistirá en: una prueba escrita (40% nota), una prueba de laboratorio (45% nota), y la presentación de un trabajo relacionado con una tecnología del habla (15% nota).

Si una persona no se presenta a la prueba escrita final se entenderá que esa persona ha renunciado a dicha convocatoria.

Convocatoria extraordinaria: orientaciones y renuncia

En la convocatoria extraordinaria se harán dos pruebas: una prueba del bloque magistral y una prueba del bloque de laboratorio. Cada prueba contará por el 50% de la nota final y deben superarse ambas con una nota mínima de 5 sobre 10.

Aquellos estudiantes que no hayan presentado escrito que justifique su no participación en la evaluación mixta deberán acreditar la adecuada realización de las prácticas.

Temario

1. Speech modelling

2. Speech synthesis

3. Speech recognition

4. Other speech technologies

Bibliografía

Materiales de uso obligatorio

Apuntes de la asignatura: magistrales y prácticas.

Bibliografía básica

* X. Huang, A. Acero, H. Hon. Spoken Language Processing: A Guide to Theory, Algorithm and System Development. Prentice Hall, 2001. (ISBN: 978-0130226167)

* D. Jurafsky, J. H. Martin. Speech and Language Processing (2nd edition). Prentice Hall, 2008. (ISBN: 978-0131873216)

* P. Taylor. Text-to-Speech Synthesis. Cambridge University Press, 2009. (ISBN: 978-0521899277)

* L. Rabiner, B. H. Juang. Fundamentals of Speech Recognition. CRC Press, 1993. (ISBN: 978-0130151575)

* D. Yu, L. Deng. Automatic Speech Recognition: A Deep Learning Approach. Springer, 2015. (ISBN: 978-1447157786)

* W. C. Chu. Speech Coding Algorithms: Foundation and Evolution of Standardized Coders. Wiley-Interscience, 2003. (ISBN: 978-0471373124)

Revistas

Computer Speech and Language



Speech Communication



IEEE Transactions on Audio Speech and Language Processing



IEEE Transactions on Multimedia

Enlaces

Página de voz en la CMU http://www.speech.cs.cmu.edu/



European Languages Resources Association (ELRA) http://www.elra.info/en/catalogues/



Linguistic Data Consortium (LDC) https://www.ldc.upenn.edu/language-resources



Smithsonian Speech Synthesis History Project (SSSHP) http://www.mindspring.com/~ssshp/ssshp_cd/ss_home.htm



Síntesis de habla emocional http://emosamples.syntheticspeech.de/