Zhengyang Li, M.Sc.

End-to-End audiovisuelle Spracherkennung

Art der studentischen Arbeit: Masterarbeit

Betreuer: Zhengyang Li

Abteilung: Signalverarbeitung und Machine Learning

Möchtest du künstliche Intelligenz zur Verbesserung unseres Lebens nutzen? Bist du daran interessiert, maschinelles Lernen sowohl auf Videosignale als auch auf Audiosignale anzuwenden? Dann könnte audiovisuelle Spracherkennung ein interessantes Thema für dich sein!

Das Institut für Kommunikationstechnik arbeitet jetzt zusammen mit Fraunhofer und anderen Partnern im SPEAKER Projekt, in dem TUBS das Modul für die audiovisuelle Spracherkennung entwickelt. Unser Ziel ist es, die visuelle Information (Lippe oder Gesicht) als Ergänzung zu nutzen, um eine robuste Spracherkennung in akustisch problematischen Umgebungen zu ermöglichen. Außerdem werden die passende Fusion Methoden für die Audio- und Videostreams gesucht.

In diesem Projekt können viele Bachelor- und Master-Arbeiten durchgeführt werden. Wenn du Lust hast auf dem Gebiet der audiovisuellen Spracherkennung zu arbeiten, schreibe mir ein E-Mail oder melde dich bei mir (Zhengyang, R311). Wir finden das passende Thema für dich je nach deine Interesse, entweder in der Forschung oder in den praktische Anwendungen.

Voraussetzung:
-Idealerweise Softwarekenntnisse in Skriptsprachen wie Python und einen sicheren Umgang mit Linux, Bashskripten.
-Ein erfolgreicher Besuch der Vorlesungen Mustererkennung und Sprachdiagnose wäre wünschenswert.