פורטל הסטודנטים

אות הדיבור ומאפייניו האקוסטיים, תדר יסודי ופורמנטים, ייצוגים של אות הדיבור: מודל LPC, ספקטרום,MEL CEPSTRUM ו-MFCC, זיהוי של מילה בודדת, DTW, זיהוי מילות מפתח, מבנה של מערכת לזיהוי דיבור: מודל אקוסטי, מודל הגייה ומודל שפה, המודל האקוסטי: מודל מרקובי חבוי (HMM) , מודלים מבוססים למידה עמוקה, פונקציות LOSS ו-CTC, טרנספורמרים לדיבור, מודלים ליצירה של ספקטרום ו-VOCODERS. תוצאות למידה: עם השלמת הקורס בהצלחה, הסטודנטיות והסטודנטים יהיו מסוגלים: 1. להבין ולהסיק כיצד נוצר דיבור, מהם המרכיבים האקוסטיים של אות הדיבור, וכיצד מיוצג הדיבור במערכות מבוססות רשתות עמוקות.____ 2. להכיר ולהבין מהם מודלים הסתברותיים ומודלים מבוססי למידה עמוקה לתיאור ושיערוך סדרות של משתנים אקראיים, וכן להבין כיצד יש ליישמם על אותות דיבור._ 3. להכיר ולהבין כיצד פועלים המודלים הטובים ביותר כיום ושיטות האימון המקובלות למערכות לתמלול אוטומטי של דיבור._ 4. להכיר ולהבין כיצד פועלי מודליים ליצירה של סדרות משתנים אקראיים בצורה מותנית וכיצדד להשתמש בהם ליצירת דיבור מלאכותי.

פקולטה: הנדסת חשמל ומחשבים
|תואר ראשון |תארים מתקדמים

מקצועות קדם

(44198 - מבוא לעבוד ספרתי של אותות ו- 44202 - אותות אקראיים ו- 46195 - מערכות לומדות)