sixtease / disertace Goto Github PK

Na Straně 38 je též zmíněna Levenshteinova Vzdálenost počítající s editačními operacemi. Není však řečeno, sjakými jednotkami pracují editační operace (předpokládám, že pracují s písmeny porovnávaných slov

jak se vyvíjela rychlost přepisování s časem, pokud možno v korelaci s úspěšností automatického přepisu

„Experiment s kepstrální normalizací“ popsat state of the art. CMN + CVN

najít slova, která mají nulovou spolehlivost a patří do přepisu

“Každá [složka GMM –poznámka oponenta] má svůj střed, svoji varianci a svoji váhu”, “Všechny fonémy se inicializují jako shodné” je opravdu velmi vágní.

Co je virtuální trifoném?

mění význam pojmu “mixture” a myslí se jím jedna složka modelu směsi

„mixture"by mohl být nahrazen výrazem “směs”

Obrat „Z každé dvacáté jsem snížil na polovic nejen abych neplýtval trénovacími daty, nýbrž také protože vyhodnocování mixtur zabírá při trénovásní zdaleka nejvíce času, a ten je přímo úměrný velikosti sady heldout.“ je nejasný

Jakékoli velké soubory audio nahrávek s komunitou příznivců by tak mohly být přepsány a dále podrobněji zpracovávány metodami, které jsem v této práci rozvinul

Využívá se zde nějak zpětná vazba pro trénink systému ASR? Zdokonaluje se trénovací korpus i aplikací nových modelů na trénovací data?

U vyhledávání uvádět i recall - tabulky 2.1 a 2.2
Podle PPe je moje precision naivní

ukázat prototyp, podtrhávání nejistých, v2

Není zcela zřejmé, zda byl uvedený postup použitý jednotlivě pro různá zkreslení (spektrální odečet)

Bylo by ale třeba použitou metriku podrobněji popsat, autor však jen odkazuje na prameny [17] a [18] a pouze definuje pojem “akustická vzdálenost”. Použitý algoritmus zdaleka není založen jen na zmíněných MFCC, jak autor stručně uvádí.

V jakém smyslu je zde chápána nejpravděpodobnější varianta (bere algoritmus např.v úvahu akustiku)?

použít augmentovaná trénovací data a to transferem dobrých nahrávek na přebuzené či „nízkootáčkové“.

Trifoném -> trifón

použít trénovací sady z jiných jazyků pro trénování češtiny: transliterovat cizí jazyk do českého fonetického zápisu

DNN je přesnější. Ač se jednáo převzatý nástroj, popis by měl být podrobnější

Uvítal bych, kdyby obsah práce čítal i samostatnou kapitolu vytyčující cíle práce, kapitolu popisující stav současného vědeckého poznání a kapitolu shrnující přínos disertační práce k posunu tohoto poznání.

Podrobnější popis existujících systémů přepisu audio resp. multimediálních archivů, a to včetně diskuse nad dosahovanými výsledky a rozdíly v přepisovaných datech, bych viděl jako klíčovou část práce,ze které pak může vycházet zdůvodnění pro použití použitého systému přepisu a jeho potřebné přizpůsobení realizované úloze.

Asi udělat pokus se zahrnutím OOV do LM?