Kiskoza, 2013. október 15., 07:47-n

2013-10-15T07:47:19Z

← Régebbi változat		A lap 2013. október 15., 09:47-kori változata
1. sor:		1. sor:
	~~{{GlobalTemplate\|Infoalap\|BeszedVizsga20060522Megoldas}}~~		Fealdatsor: [[Media:beszed_vizsga_20060522.jpg\|2006-05-22]]


	~~Feladatsor~~: [~~http~~:~~//info~~.~~sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=11994 [[InfoSite]]~~ - ~~2006 május~~ 22.]

	==1. feladat==		==1. feladat==

Kiskoza: Kiskoza átnevezte a(z) 2006 május 22-i vizsga megoldása lapot Beszed vizsga 20060522 lapra átirányítás nélkül

2013-10-15T07:41:15Z

Kiskoza átnevezte a(z) 2006 május 22-i vizsga megoldása lapot Beszed vizsga 20060522 lapra átirányítás nélkül

← Régebbi változat	A lap 2013. október 15., 09:41-kori változata
(Nincs különbség)

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060522Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=11994 InfoSite - 2006…”

2012-10-21T19:54:08Z

Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060522Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=11994 InfoSite - 2006…”

Új lap

{{GlobalTemplate|Infoalap|BeszedVizsga20060522Megoldas}}

Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=11994 [[InfoSite]] - 2006 május 22.]

==1. feladat==
Mondjon 3-3 példát arra, hogy milyen tényezők okozzák az akusztikai paraméterek variáltságát, egy személyen belül és a személyek között. <br/>
Személyen belül:
* érzelmi állapot (nem sikerült beszédvizsga, lediplomáztam, lemerült a telóm)
* egészségügyi állapot (rekedt, megfázott, csuklik)
* szituáció (családi ebéd, szónoklat, történetmesélés)
* ...

Személyek közötti:
* nem (női hang magasabb, ffi mélyebb)
* ritmus (hadar, dadog, megfontolt)
* beszédhibák (selypít, raccsol)
* ...

==2. feladat==

===/a===

* Erősen illeszkedő: pl a g,k hang erősen illeszkedik a szomszédos magánhangzóhoz
* Kölcsönösen illeszkedő: sok hang, pl b,p,d,t kölcsönösen hatással van a szomszédos magánhangzókkal egymás formánsmozgásaira
* Stabil: gy, ty hangra kevés hatással van a környezet

===/b===

* dz, c: 4000-5000 5500-7000Hz
* dzs, cs: 3700-8000Hz
* v, f : 1000-10000Hz
* z, sz: 4000-4500, 5000-8000Hz
* zs, s: 3700-8000Hz

a mintavételezés és a helyes antialiasing-szűrő megválasztásánál szükéges tudni a zörejgócokat és frekvenciatartományokat, hogy érthető maradjon a beszéd az átvitel során

===/c===

* iF1: 250-350Hz, iF2: 2300-2500Hz
* uF1: 250-350Hz, uF2: 500- 600Hz
* áF1: 700-800Hz, áF2: 1300-1400Hz

(ebből remélem mindenki fel tudja rajzolni egy két dimenziós térben a hangokat + a spektrumot)

===/d===

a formánsszerkezet megmaradna, de a suttogás miatt a teljes frekvenciatartományban megjelennek kisebb komponensek, a spektrumképen a teljes frekvenciatartomány kicsit "beszürkülne".

Különbség abban rejlik hogy suttogó beszédben nincs zöngés gerjesztés, így alapfrekvencia és formánsok sem, tehát a magánhangzók vonalas színképe helyett is folytonos színképet kapunk spektrális elemzésnél.

(ehhez még lehetne sztem írni)

==3. feladat==

===3.1===

# IGAZ
# IGAZ (bár az hogy egyértelműen, abba bele lehet kötni, aki tudja hogy mire gondoltak, az erősítsen meg/cáfoljon!)
# HAMIS, konkrét beszédhangokat nem rendel a jelhez
# HAMIS, no komment :)

===3.2===

# HAMIS, ''vektorsorozatokat'' illesztünk a hálózathoz, és ''fonémasorozatot'' várunk a kimeneten
# HAMIS, mert létezik, pl Viterbi algoritmus a [[HMMhez]]
# HAMIS, mert a vektorok távolságát is figyelembe veszi (megfigyelési valószínűség!)
# HAMIS, nemlineáris időillesztést hajt végre..

===3.3===

# HAMIS, a rejtett éppen abban ''különbözik'' a sima Markov lánctól hogy nem lehet azonosítani az állapotot
# IGAZ, modulszerűen felépíthetőek a felismerendő szavak, kifejezések
# HAMIS, a legvalószínűbb útvonalat keressük 2 pont között, de ez a ''legnagyobb'' összsúlyú útvonal, nem a legkisebb
# IGAZ, thx [[TothPeter|Peti]] - 2006.06.06.

==4. feladat==

# Dual Tone MultiFrequency, DTMF jelek esetén nincs beszédjel, így zavarja az érthetőséget, mert 2 szinusz hang szólal csak meg, így a jel spektrumában könnyen felismerhető lesz a 2 kiugró amplitudó
# F2 a beszédjel második formánsa, avagy az akusztikum második legkisebb felerősített felhangnyalába, a B2 pedig ennek a formánsnak a sávszélessége. F2 meghatározható a jel spektrumából, ez a második legkisebb erősítési hely (lokális maximum), a B2-t pedig ezen a maximum alatt 3 dB-lel meghúzott vonal és a burkológörbe metszéspontja jelöli ki.
# ITU P.800: az ETSI egyik szubjektív beszédminősítő szabványa. Minősíthetünk
** abszolút módon, előre definiált skála alapján (ACR)
** 'jelenség' észlelési tesztek
** romlás megfigyelése eredetihez képest (DCR)
** referencia rendszerrel összehasonlítás (MNRU)
# Mindegyik a beszédinformációs rendszerek felépítését segíti, illetve annak egy eleme.
** VXML: Voice eXtensible Markup Language (http://en.wikipedia.org/wiki/VXML) - dialógusok tervezését segítő leírónyelv
** SUI: Speech User Interface, avagy beszédalapú felhasználói felület
** SAPI: Speech Application Programming Interface (http://en.wikipedia.org/wiki/Speech_Application_Programming_Interface) - a Microsoft beszédalapú felhasználói felület API-ja. Ezzel még nem dolgoztam, de például Symbian-ban van egy tts() függvény, amibe csak berakod a stringet, és a telefon elvégzi a beszédszintézist

(/c-nél mire gondolhattak "a beszéd mely jellemzőire vonatkozik" alatt?!)

==5. feladat==

* Nem kiváló a hangminőség, robosztus rendszer kell
* Nem lehet emiatt diktáló rendszer, maximum kapcsolt szavas felismerő
* Beszélőfüggetlen kell legyen
* Előzőek miatt kis-közepes szótárnagyság a reális
* A rossz körülmények miatt fel kell készíteni spontán beszéd felismerésére
* Egyértelműen statisztikai alapú felismerő jön szóba (ilyenek működnek is, rossz a hangminőség és sok a beszélő)

(Mégvalami?)

* Mivel a GPS-nek ez nem a fő funkciója, fontos szempont hogy olcsó legyen a megvalósítása
* Ne kelljen a túlzott társzükséglet miatt növelni a készülék fizikai méreteit (bár nem tudom hogy ez ma még felmerülhet-e egyáltalán)

==6. feladat==

* Egy gombbal lehet indítani a rendszert, ezzel együtt esetleg nyelvet is ki lehet választani, így nem kell nyelvadaptációt és beszéddetekciót végeznünk
* A felhasználót megfelelően üdvözöli a rendszer, majd megkérdezi hogy milyen szakra, szakpárra kíváncsi
* A következő bemenetet várja: [A] {szak}/{szakpár} [ra/re vagyok kíváncsi]/[után érdeklődök] (a kérdéssel jól behatároltuk az adható válasz formáját!)
* Amennyiben a rendszer nem biztos a szakban, felsorolná a 10 legvalószínűbb szakot, amit mondhatott a felhasználó, és felszólítaná h válasszon közülül vagy mondja be újra
* A felismerő HMM alapú, robosztus, közepes nagyságú, beszélőfüggetlen.
* A válasz következő formátumban generálódna: A {szak}/{szakpár}t a következő egyetemek indítják: ( [egyetem], [kar] )*
* Ha a felhasználót nem érdekli az adott egyetem, "tovább" vagy "vissza" szavakkal léptethet (gyorsabban) közöttük (gombbal is)
* Ha felkelti érdeklődését valamelyik, a "címe", "felvételi (feltételek)", "pontszámítás", "korábbi évek" paranccsal kérheti le az őt érdeklő adatokat a karról (gombbal is választhat)
* Cím esetén: "A(z) {egyetem} {kar} címe [város] {közterület neve} [közterület] {házszám}, {irányítószám}
* Felvételi feltételek: [adott kar feltételei], a paraméterszerű adatokat dinamikusan generálja
* Pontszámítás: [pontszámítás menete], paraméterszerű számokat, adatokat dinamikusan
* Korábbi évek: [évben] [a ponthatár] {szám} [pont volt, a felvettek száma] {szám} [fő, a jelentkezők száma:] {szám} [fő] stb.
* Vegyes felolvasó rendszert használunk: TTS+kötött
* a [] elemek kötöttszótáras módon, előre felvéve vannak letárolva, a {} részek generálása pedig triádos szövegfelolvasó rendszer feladat*a
* A felhasználó a "lista" paranccsal tér vissza a megfelelő egyetemek listáájához (gombbal is)
* "Köszönöm" esetén vagy 1 perc tétlenség után a rendszer alaphelyzetbe áll

/b

* Szórendre, dátumra, számok felolvasására kell figyelni
* Teljesen más lehet a felsőoktatás menete, pontszámítási módszerek, ezeket is megfelelően át kell alakítani
* A felismerés során más sorrendben adja meg az adatokat a felhasználó
* Más temperamentumú beszéd, más beszédstílus: újra kell paraméterezni a felismerőt, nem csak a felismerendő szavakat kell kicserélni
* A spanyolok sziesztáznak (koradu. lekapcsolhat a rendszer) //ez csak poén, senki ne vegye komolyan!
* ...?
* A katalán és a spanyol nyelv eltér, érdemes a nyelvek közé mindkettőt felvenni (spanyol rendszer esetén) -- [[GurmaiGergely|Gergő]] - 2006.06.12.

-- [[RendesGaborAntal|RGabo]] - 2006.05.31.

-- [[FeherMarcell|Maco]] - 2010.01.06.

[[Category:Infoalap]]

Beszed vizsga 20060522 - Laptörténet

Kiskoza, 2013. október 15., 07:47-n

Kiskoza: Kiskoza átnevezte a(z) 2006 május 22-i vizsga megoldása lapot Beszed vizsga 20060522 lapra átirányítás nélkül

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060522Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=11994 InfoSite - 2006…”