Mogućnosti prepoznavanja govora korištenjem biblioteke SpeechRecognition

diplomski rad

• Naslov (engleski): Speech recognition capabilities using the SpeechRecognition library
• Autor: Margarita Tolja
• Mentor: Goran Igaly (mentor)
• Član povjerenstva: Goran Igaly (predsjednik povjerenstva)
• Član povjerenstva: Luka Grubišić (član povjerenstva)
• Član povjerenstva: Ilja Gogić (član povjerenstva)
• Član povjerenstva: Juraj Šiftar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2022-03-04, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

U ovom radu predstavljena je biblioteka SpeechRecognition – popularna Python biblioteka za prepoznavanje govora. Na početku je dan povijesni pregled razvoja sustava za automatsko prepoznavanje govora, a posebno su istaknuta dva tipa najnovijih sustava. Nadalje, detaljno je opisana funkcionalnost biblioteke te njeno trenutno stanje razvoja. Integracija biblioteke je demonstrirana na primjeru vlastite desktop aplikacije za kreiranje glasovnih bilješki. Biblioteka se pokazala izrazito fleksibilnom i jednostavnom za korištenje, ali sa sobom nosi i određena ograničenja.

Sažetak (engleski)

This thesis presents the SpeechRecognition library – a popular Python library for speech to text conversion. By way of an introduction, an historical overview of development of automatic speech recognition systems is given, with two types of the latest systems highlighted. Furthermore, the functionality of the library and its current state of development are described in detail. The integration of the library is demonstrated with a new desktop application for creating voice notes. The library proved to be extremely flexible and easy to use, but it also has certain limitations.

• Ključne riječi: biblioteka SpeechRecognition; Python biblioteka; automatsko prepoznavanje govora
• Ključne riječi (engleski): SpeechRecognition library; Python library; automatic speech recognition systems
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:805882
• Studijski program: Naziv: Računarstvo i matematika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra računarstva i matematike (mag. inf. et math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2022-03-31 12:56:09