Kiskoza, 2013. október 15., 08:07-n

2013-10-15T08:07:46Z

← Régebbi változat		A lap 2013. október 15., 10:07-kori változata
1. sor:		1. sor:
	Feladatsor:		Feladatsor:
	* [[Media:beszed_vizsga_20060702_A1.JPG\|Első rész]]		* A csoport
	* [[Media:beszed_vizsga_20060702_A2.JPG\|Második rész]]		** [[Media:beszed_vizsga_20060702_A1.JPG\|Első rész]]
			** [[Media:beszed_vizsga_20060702_A2.JPG\|Második rész]]
			* B csoport
			** [[Media:beszed_vizsga_20060702_B1.JPG\|Első rész]]
			** [[Media:beszed_vizsga_20060702_B2.JPG\|Második rész]]

Kiskoza: Kiskoza átnevezte a(z) 2006 június 2-i vizsga megoldása lapot Beszed vizsga 20060602 lapra átirányítás nélkül

2013-10-15T08:02:23Z

Kiskoza átnevezte a(z) 2006 június 2-i vizsga megoldása lapot Beszed vizsga 20060602 lapra átirányítás nélkül

← Régebbi változat	A lap 2013. október 15., 10:02-kori változata
(Nincs különbség)

Kiskoza, 2013. október 15., 08:01-n

2013-10-15T08:01:52Z

Változtatások megtekintése

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060602Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=12067 InfoSite - 2006…”

2012-10-21T19:54:10Z

Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060602Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=12067 InfoSite - 2006…”

Új lap

{{GlobalTemplate|Infoalap|BeszedVizsga20060602Megoldas}}

Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=12067 [[InfoSite]] - 2006 június 2.]

=A csoport=

==1. feladat==

# ''Milyen jellel mérjük a beszédátviteli rendszerek minőségét?'' Természetes emberi beszéddel, de érdektelen felvételeket kell felolvastatni az alanyokkal! (nem vagyok teljesen biztos h ezt kérdezik..)
# ''Az objektív minősítő rendszer hatékonyságát mihez képest mérjük?'' Az objektív minősítés célja a szubjektív minősítés közelítése, tehát azt nézzük, hogy mennyire egyezik az eredménye az egyéni véleményekkel.
# ''Ha a gépi minősítés a szubjektív minősítéshez képest egyes méréseknél lényegesen jobb, más méréseknél lényegesen rosszabb eredményt ad, akkor a minősítő mely komponensét kell módosítani?'' A pszichoakusztikus modellt, esetleg a belső távolság számításának a módszerét (amivel a referenciafelvételtől való eltérést mérjük, számítjuk)
# ''A csomagkapcsolt beszédátviteli rendszerek (pl. VoIP) mely tulajdonsága okozza a legnagyobb nehézséget a beszédminőség mérése során?'' (A hálózat paramétereinek nem stabil volta. Teljesen más minőséget kapunk ha kis illetve szélessávon mérünk, illetve változatos kapcsolat (műholdas, kábel, adsl) esetén is jelentős eltéréseket tapasztalhatunk a beszéd minőségében, a hálózatforgalmi szituációkat nem is említve (pl. ha közben töltünk is).) Nem a rizsára voltak kíáncsiak. A válasz: Jitter (késleltetés-ingadozás). Bővebben: jegyzet

==2. feladat==

# Mikor és ki készítette az első beszédkeltő gépet a világon? Hol látható? '''Kempelen Farkas''', *1791*-ben. Ma az MTA Nyelvtudományi Intézetében látható. (legalábbis ajánlom neki h ottlegyen..) !! Update: "Az egyetlen megmaradt példány ma a müncheni Deutsches Museumban van." Forrás: http://hu.wikipedia.org/wiki/Kempelen_Farkas
# Mikor és ki adta be a világ első szabadalmát tetszőleges szöveg felolvasására alkalmas beszélőgépre? '''Bánó Miklós''', *1916*-ban.
# Mi az artikulációs sebesség? Milyen érték jellemző a magyarra? Mi a beszédsebesség?
** Az '''artikulációs sebesség''' az időegység alatt ejtett hasznos beszédhangok száma folyamatos ejtésnél, szünetek nélkül.
** A magyar beszédnél tipikus értéke '''13 hang/s'''.
** A '''beszédsebesség''' a beszéd hangzásának teljes idejében, szünetekkel, időegység alatt elhangzott beszédhangok száma, a nem hasznos beszédjeleket is beleértve. (Magyar beszédnél 14 hang/s)
** artikulációs sebesség <= beszédsebesség
# Mi a VOT? A beszédjel mely részén mérhető? Adjon 5 konkrét példát indoklással!
** *VOT*: Voice Onset Time avagy zöngekezdési idő
** felpattanó zárhangok esetén a zár felpattanása és az azt követő magánhangzó megszólalása között eltelt idő
** Tipikusan a beszéd azon helyen mérhető, ahol gerjesztésváltás történik, és zöngétlen hangot zöngés hang követ.
** A fentiek fényében a VOT pl. p után 8ms, t után 15ms, k után 26ms. (Ide lényegesen többet nem tudok írni, főleg az indoklás részét nem értem)
# Mi a spektrális átlapolódás oka mintavételezéskor? Hogyan előzhető meg? Adjon példát.
** *Spektrális átlapolódás*: ha a hang mintavételezésénél a mintavételezési frekvencia kisebb, mint a legnagyobb frekvenciakomponens kétszerese, a visszaállításnál nemkívánatos jelek kerülnek visszaállításra, a jel nem állíthatő elő egyértelműen/hűségesen.
** Megelőzhető megfelelő karakterisztikájú aluláteresztő szűrővel a bemeneten. (Sávkorlátozás)
** Példát mindenki remélem tud adni ezek alapján :]
# Mi a néma fázis? Sorolja fel az összes beszédelemet, amelyre vonatkozhat!
** *Néma fázis*: A zárhangok azon része, amelyben nincs hangképzés. A tüdőből kiáramló levegő a toldalékcsőben képzett akadály miatt feltorlódik és a zárfelpattanásig levegőáram nem hagyja el az artikulációs csatornát.
** A fentiek alapján néma fázis található a zöngétlen zár- és zárréshangoknál így: p, t, k, ty, c, cs.

==3. feladat==
{{InLineImageLink|Infoalap|BeszedVizsga20060602Megoldas|feladat3-20060702_A1.jpg}} 
===3.1===

# HAMIS. Nem fonémasorozatot kell előállítania, hanem egy olyan 10-40 dimenziós vektort, melyeknek kicsi az intraindividuális és az interindividuális jellemzője.
# IGAZ.
# HAMIS. Semmi köze a prozódiához, a beszéd kisebb egységeinek kezelésében segíti munkánkat.
# HAMIS. No comment :)

===3.2===

# IGAZ. Kicsit furán van megfogalmazva, de szerintem jó.
# IGAZ.
# HAMIS. A mintaillesztés egyik lényege hogy a különböző ritmusú ejtések között is tudjon mintailleszteni.
# HAMIS. Igaz csak sablonalapú és a legegyszerűbb fajta, de mintaillesztési eljárás.

===3.3===

# IGAZ.
# HAMIS. Valószínűségekkel dolgozik a HMM, így teljes biztonsággal sosem tudja megmondani, hogy egy megfigyelés adott állapothoz tartozik vagy éppen nem tartozik.
# HAMIS. ''Legnagyobb'' valószínűségi útvonalat keres.
# HAMIS. Mert lineárisan, lásd dinamikus programozás.

==4. feladat==

# Mi az LPC? Van-e szerepe a beszédértésben? Kapcsolatba hozható-e és hogyan a jel spektrumával?
** '''Linear Prediction Coding / Coefficients'''. Lineáris elõrejelzés. Olyan matematikai eljárás, amellyel a megelõzõ mintákból jósolni lehet a következõ mintát. LPC segítségével az akusztikus jelbõl meghatározható például az artikulációs üregrendszer átviteli karakterisztikája is.
** ??? (Ha jól meghatározhatók az LPC együtthatók, jobban érthetők a hangok?) A formánsokat jól lehet vele követni.
** Igen, a LPC analízis is egyfajta spektrumát adja meg a jelnek. (ide még lehetne írni)
# Mi az F0 ill. F1? Hogyan határozhatók meg?
** F0 az alapfrekvencia, azaz a hangforrás gerjesztésének frekvenciája. F1 pedig a legkisebb (első) formáns azaz felerősített felhangnyaláb.
** F0 meghatározható a zöngés hangok periódusidejéből (megegyezik azokkal). F1 pedig a jel spektrumára illesztett burkológörbe első (lokális) maximumhelye.
# Mi a Hamming-ablak és mi a szerepe a beszédfeldolgozásban?
** A Hamming-ablakot a jelre illesztve egy véges időtartományban kell csak elvégezni a Fourier-integrálást. A szerepe az, hogy adott időpillanatban releváns frekvenciákat felerősítse, a távoliakat gyengítse hogy adott időpillanatra jó spektrumot kapjunk a Fourier-integrálás után.
# Mi a screen reader és a TTS kapcsolata?
** A screen reader csak egy illesztő alkalmazás a képernyő és a TTS között, a képernyőn található információt adja át felolvasásra a TTS számára.

==5. feladat==
{{InLineImageLink|Infoalap|BeszedVizsga20060602Megoldas|feladat5-20060702_A1.jpg}} 
5 specifikációs szempont:
* Nyelv
* Operációs rendszer
* Beszéd minősége : érthetőség, természetesség
* Milyen hangokon szólaljon meg (ffi/női)
* Mennyire legyen paraméterezhető: hangmagasság, sebesség, szünetek hossza, stb.
* Vezérlési felület, API
* Bővítési, továbbfejleszthetőségi lehetőségek
* ...

5 felhasználási lehetőség:
* Emailek felolvasása telefonon keresztül
* Vakok és gyengénlátók számára
* Rendszerüzenetek, ajánlatok természetesebb közlése
* Előfizetési információk közlése emailen keresztül
* Gyerekek számára
* Call Center IVR (telefonos menürendszer) elemeinek dinamikus létrehozása, esetleg nagy kiterjedésű hiba esetén az 'üdvözlőszöveg' amiben bemondják hogy tudnak a hibáról és javítás alatt van, felolvasó nélkül beállítható
* ...

==6. feladat==
{{InLineImageLink|Infoalap|BeszedVizsga20060602Megoldas|feladat6-20060702_A1.jpg}} 
Működési elv:
* Szabálybázisú
* Statisztikai alapú: HMM, ANN
* Sablon alapú: DTW (Dynamic Time Warping)

Használat módja:
* Spontán beszéd (folyamatos beszéd, pl diktáló rendszerek)
* Parancsmódú vezérlés (izolált szavas)
* Dialógusvezérlés (kapcsolt szavas, a szavak közötti szünetek minimálisak)

Méret:
* Kicsi: párszáz szó
* Közepes
* Nagy: 20-80 ezer szó

=B csoport =

csak az eltérő kérdésekre kitérve:

==3. feladat==
Adjon meg min 5 specifikációs szempontot egy távközlési szolgáltató számára tervezett SMS felolvasó rendszerhez! Adjon meg min. 5 felhasználási lehetőséget is! 
A szempontok kb ugyanazok, a felhasználási lehetőségek:
* Előfizetési információk természetesebb közlése
* Vakok és gyengénlátók segítése
* Idős felhasználók segítése, akik nem tudnak/akarnak kis képernyőn olvasni
* Autóval való közlekedés során is elolvashatjuk SMS-einket
* Email-eket [[SMSben]] továbbítva, azokat elolvashatjuk
* Minden olyan helyzetben előnyt jelenthet, amikor a nyomógombok használata vagy a kijelzőn megjelenő szöveg olvasása nem megoldható.

==4. feladat==

# Mi a SAMPA? Van-e szerepe a beszédértésben? Kapcsolatba hozható-e a jel spektrumával?
** *SAMPA*: Speech Assessment Methods Phonetic Alphabet. Beszédhangok jelölése 7 bites ASCII karakterekkel.
** A SAMPA-val a beszédhangok egyértelműen leírhatók, segíthet a beszédértésben.
** Szerintem nem hozható kapcsolatba a jel spektrumával. Vagy csak nagyon összetett, indirekt módon.
# lásd A csoport, 4/d.
# Mi a négyszögletes ablak és mi a szerepe a beszédfeldolgozásban?
** A Fourier-integrálás során egy kis időkeret analízise úgy történhet meg, hogy az időben folyamatos jelet egymással átlapolódó négyszögletes ablakokkal kiablakozzuk. Így kis időszakaszokra megkaphatjuk a jel spektrumát, ami a magasabbrendű beszédfeldolgozás fontos alapeleme.
# Mi a triád? Előnyei? Hátrányai? Mennyi egy nyelv lefedéséhez szükséges elemszám?
** Triád: Olyan hangkapcsolat, amelyben a középső hang egészben, a két szélső pedig részben van jelen. Beszédszintézisnél használják, elsősorban a magánhangzók szerepelnek középső helyzetben.
** Előnyei:
*** A magánhangzóknál nem lép fel torzítás a formánsok megtörése miatt.
*** Természetesebb hangzás
*** Könnyebb szövegtervezés
** Hátrányai:
*** Sok munkát jelent a felvétel
*** Sok memóriát foglal
*** Sok szöveget kell felolvastatni
*** Diádokat és egyéb elemeket is igényel az adatbázis
** Szükséges elemszám: <math> beszedhangok \cdot maganhangzok \cdot beszedhangok </math>, ennél némileg kevesebb mivel nem fordul elő minden hármas + a szükséges diádok: <math> beszedhangok \cdot beszedhangok </math> (szerintem a tisztán triádos adatbázis egyszerűen a fonémák köbével arányos. Az már a kevert adatbázis ahol diádok is vannak. Vagy? )

-- [[RendesGaborAntal|Gabo]] - 2008.05.28.

-- [[CsapoT|Csapszi]] - 2008.05.28.

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

[[Category:Infoalap]]

Beszed vizsga 20060602 - Laptörténet

Kiskoza, 2013. október 15., 08:07-n

Kiskoza: Kiskoza átnevezte a(z) 2006 június 2-i vizsga megoldása lapot Beszed vizsga 20060602 lapra átirányítás nélkül

Kiskoza, 2013. október 15., 08:01-n

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoalap|BeszedVizsga20060602Megoldas}} Feladatsor: [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=12067 InfoSite - 2006…”