Přejít k obsahu


Automatic online subtitling of the Czech parliament meetings

Citace: [] PRAŽÁK, A., PSUTKA, J., HOIDEKR, J., KANIS, J., MÜLLER, L., PSUTKA, J. Automatic online subtitling of the Czech parliament meetings. In Lecture Notes in Artificial Intelligence. Berlin: Springer, 2006. s. 501-508. ISBN: 3-540-39090-1
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Automatic online subtitling of the Czech parliament meetings
Rok vydání: 2006
Místo konání: Berlin
Název zdroje: Springer
Autoři: Aleš Pražák , Josef Psutka , Jan Hoidekr , Jakub Kanis , Luděk Müller , Josef Psutka
Abstrakt CZ: Článek popisuje LVCSR systém pro automatické online titulkování TV přenosů zasedání českého parlamentu. Rozpoznávací systém je založen na skrytých markovových modelech (HMM), lexikálních stromech a bigramovém jazykovém modelu. Akustický model je natrénován na 40 hodinách parlamentních schůzí a jazykový model na více než 10M slov přepisů parlamentních schůzí. První část článku se zabývá normalizací textu a přípravou třídového jazykového modelu. Druhá část popisuje rozpoznávací síť a její dekódování s ohledem práci v reálném čase se slovníkem až 100k slov. Třetí část nastiňuje strukturu aplikace umožňující generování a zobrazování titulků pro libovolný audio/video zdroj. Závěrem jsou prezentovány a diskutovány experimentální výsledky parlamentních schůzí s přesností rozpoznávání od 80 do 95 % (podle diskutovaného tématu).
Abstrakt EN: This paper describes a LVCSR system for automatic online subtitling (closed captioning) of TV transmissions of the Czech Parliament meetings. The recognition system is based on Hidden Markov Models, lexical trees and bigram language model. The acoustic model is trained on 40 hours of parliament speech and the language model on more than 10M tokens of parliament speech trancriptions. The first part of the article is focused on text normalization and class-based language model preparation. The second part describes the recognition network and its decoding with respect to real-time operation demands using up to 100k vocabulary. The third part outlines the application framework allowing generation and displaying of subtitles for any audio/video source. Finally, experimental results obtained on parliament speeches with recognition accuracy varying from 80 to 95 % (according to the discussed topic) are reported and discussed.
Klíčová slova

Zpět

Patička