پروژه مسیر پردازش گفتار

پروژه سه مهارت کلیدی پردازش گفتار را پوشش می‌دهد:

• Voice Activity Detection (VAD): تشخیص نواحی گفتاری از سکوت یا نویز در فایل‌های صوتی.

• Speaker Diarization: تفکیک خودکار بخش‌های مختلف یک فایل صوتی بر اساس تغییر گویندگان بدون نیاز به اطلاعات اولیه از هویت آن‌ها.

• Target Speaker Detection: شناسایی حضور یک گوینده مشخص در میان چند گوینده با استفاده از نمونه صدای مرجع.

• Gender Detection: پیش‌بینی جنسیت گوینده بر مبنای تحلیل ویژگی‌های صوتی و پیاده‌سازی مدل‌های یادگیری ماشین.

در این دوره، تمرکز اصلی بر توسعه‌ی مهارت‌های عملی در کار با داده‌های صوتی واقعی، طراحی الگوریتم‌های مؤثر، استفاده از مدل‌های پیش‌آموزش‌دیده، و ارزیابی دقیق سامانه‌های گفتاری خواهد بود. پروژه‌ها به گونه‌ای تنظیم شده‌اند که آمادگی لازم برای ورود به پروژه‌های تحقیقاتی یا صنعتی در زمینه‌ی پردازش گفتار را فراهم سازند