Šis darbas yra koncentruotas į kontaktų centrų organizacines ir technologines struktūras. Jame susipažįstama su balso atpažinimo sistemomis ir juose naudojamais modeliais. Atliktas eksperimentas, kuriame nustatyta kalbos atpažinimo tikslumas pasirinktomis sistemomis. Suprojektuotas supaprastintas kontaktų centrų prototipas, bei atlikti jo bandymai. Baigiamojo darbo darbo objektas yra kontaktų centrų organizacinė ir technologinė struktūra. Baigiamojo darbo tikslas – išnagrinėti, kontaktų centrų organizacinę ir technologinę struktūrą Lietuvoje ir užsienyje ir jas palyginti, identifikuojant pagrindines kontaktų centrų organizacinės ir technologinės struktūros Lietuvoje formavimo problemas. Darbe naudojami tyrimo metodai. Tyrimo metu atliekama kontaktų centrų informacinėse sistemose naudojamų technologijų užsienyje ir Lietuvoje, metodų apžvalga ir apibendrinimas. Įvertinama tyrimų medžiaga dedukcijos, sintezės ir indukcijos metodais. Bandymo metodas pritaikytas balso atpažinimo sistemų tikslumo tyrime. Atliekama mokslinių straipsnių, sistemų vertinimo metodologijos analizė ir sisteminimas, sistemų lyginamoji analizė. Palyginamos sistemų funkcinės komponentės, naudojami metodai, programinė įranga, vystymo galimybės. Atliekamas supaprastinto ir apibendrinto sistemos modelio kūrimas, kuriame išskiriamos bendros gairės, pagrindiniai sistemos elementai ir atliekami procesai. Gautų rezultatų reikšmingumas. Darbe pateikti apibendrinti kontaktų centrų informacinės sistemos architektūros... [toliau žr. visą tekstą] / The current paper is concentrated on the organizational and technological structures of contact centers. Here we familiarize with speech recognition systems and models used in them. The accomplished experiment ascertained accuracy of speech recognition for the chosen systems. A simplified prototype of contact center was projected and its tests performed. The work object of MA paper is organizational and technological structure of contact centers. The aim of this paper – to inspect the organizational and technological structure of contact centers in Lithuania and abroad, compare them by identifying the major formation problems for organizational and technological structure of contact centers in Lithuania. Research methods used in the paper. The research examines and reviews methods of technologies used for the contact center’s information systems in Lithuania and abroad, together generalizing them. Research material is evaluated by the methods of deduction, synthesis and induction. Research method is applied in research for accuracy in speech recognition systems. Analysis of scientific articles, system evaluation methodology is performed together with systemization, comparative analysis of systems. System functional components, usable methods, software, possibilities of development are compared. A creation of a simplified and generalized system model is performed, where principal guide lines, major system elements and performed processes are presented. Significance of the... [to full text]

Šiuo metu kalbos technologijos vystosi ir tobulėja, daugėja jų taikymo sričių, tačiau nėra plačiai prieinamų lietuvių kalbos atpažinimo ir sintezavimo produktų. Daugelis kalbos technologijų produktų yra pritaikyti anglų kalbai. Šio darbo tikslas – išnagrinėti, kalbos atpažinimo ir kalbos sintezės produktų adaptavimo lietuvių kalbai galimybes. Tuo tikslu atliktas tyrimas su kalbos sintezės programa „ReadPlease 2003“ ir kalbos atpažinimo programa „Dragon NaturallySpeaking 10“. Su programa „ReadPlease 2003“, nustatytas lietuviškų žodžių perskaitymo aiškumas yra vos 35%. Tuos pačius žodžius transkribavus perskaitymo aiškumas gautas 95%. Galima teigti, kad lietuvių kalbos žodžiams užrašyti naudojant anglų kalbos fonetinę rašybą ir pateikus užrašytus žodžius programai „ReadPlease 2003“ perskaityti, žodžių aiškumas tapo 60% didesnis nei užrašius pagal lietuvių kalbos fonetinę rašybą. Su programa „Dragon Naturally Speaking 10“, nustatyta, kad geriausiai yra atpažįstami ilgi žodžiai, mažiausiai - trumpi. Daugiausia klaidų yra daroma ties dviejų balsių a ir i trumpinimu bei ilginimu. Taip pat daugiau klaidų yra daroma žodžiuose su dusliaisiais priebalsiais nei žodžiuose su skardžiaisiais. Apskaičiuotas bendras programos atpažinimo efektyvumas, pagal penkių diktorių diktavimo rezultatus, yra 84,8%. Todėl galima teigti, kad aklai pasikliauti programa diktuojant žodžius negalima, tačiau prižiūrint ir pataisant neteisingai įvestą žodį, ji gali būti naudojama kaip puiki rašymo priemonė... [toliau žr. visą tekstą] / Currently, the speech technologies develop and improve, increase the number of application areas, but is not widely available in Lithuanian language recognition and speech synthesis programs. Many speech technology products are adapted to the English language. The aim of this work - to examine of possibilities to adapt speech recognition and speech synthesis products for Lithuanian language. To achieve the aim was researching two of the English language programs, „ReadPlease 2003“ and „Dragon Naturally Speaking 10“ the use of Lithuanian language possibilities. The first test of the program „ReadPlease 2003“, established the Lithuanian words perusal clarity is only 35%. The same words were transcriptioned, then clarity of reading became 95%. It can be argued that the Lithuanian words recorded using the phonetic spelling of the English language and presentation of written words for „ReadPlease 2003“ perusal the words of clarity was 60% higher than Lithuanian words recorded using the phonetic spelling of the Lithuanian language. The program „Dragon NaturallySpeaking 10“ was used during the second test. This time was found that the best is to identify long words, at least - short. Most mistakes are made at the two vowels a and i, when its are shortened and extensioned. As well as more errors are made in the words with voiceless consonants than words with voiced consonants. There were calculated a general efficiency of identification of the program, according to the five speakers... [to full text]

20 amžiaus antrojoje pusėje ypač suaktyvėjo tyrimai kalbančiojo atpažinimo ir kalbos sintezavimo srityje. Jau nuo penktojo dešimtmečio vykdomi tyrimai siekiant sukurti sistemas galinčias atpažinti šnekamąją kalbą. Ypač svarbu šioje srityje yra kokybiškai atskirti kalbos signalus. Aštuntajame dešimtmetyje buvo sukurta eilė požymių išskyrimo metodų. Svarbesni iš jų yra melų skalės kepstras, suvokimu paremta tiesinė prognozė (perceptual linear prediction), delta kepstras ir kiti.[3] Naudojant šiuolaikinę kompiuterinę įrangą, signalų atskyrimo uždavinys gerokai supaprastėja, tačiau vis tiek išlieka labai sudėtingas. Kalbos sintezatorius yra kompiuterinė sistema, kuri gali atpažinti žmogaus balsą bet kokiame tekste. Sistema gali automatiškai sugeneruoti žmogaus balsą. Viena iš perspektyviausių balso technologijų panaudojimo sričių – įvairūs neįgaliems žmonėms skirti taikymai (akliems ir silpnaregiams, nevaikščiojantiems arba turintiems ribotas judėjimo galimybes). Balso technologijų panaudojimas dažnai yra esminis arba net vienintelis tokių žmonių integravimo į visuomenę būdas. Dar yra daugybė tokių sistemų panaudojimo sričių: • telefoninių ryšių centrai, automatiškai aptarnaujantys telefoninius pokalbius, atpažįstantys ir suprantantys, ką skambinantis sako; • automatinės transporto tvarkaraščių užklausimo sistemos; • automobilio mazgų valdymo žmogaus balsu priemonės; • nenutrūkstamos kalbos atpažinimo sistemos darbui teksto redaktoriais; Kalbos signalams analizuoti bei atskirti... [toliau žr. visą tekstą] / In 20th century speech recognition and synthesis became very important part of science. In last 50 years were a lot of researches in speech recognition. And for the moment there are many systems for speech recognition and synthesis for popular European languages, such as French, English, Germanic languages. One of the most important benefits of this is for disabled people to make their life more comfortable and adopt them to normal life, to create new interfaces and possibility to use personal computers for them. For Lithuanian language need researches, because of our language unique. An aim of research is a spectrum of Lithuanian consonants. Main method is linear prediction is used for finding formants. There are some main methods for speech signals analysis: linear prediction, Furier transformation, cepstral analysis. For linear prediction are several different algorithms. We used Burg algorithm for finding formants. In this research paper records of words were annotated and analyzed by PRAAT software. Formant movement obtained with same program. Obtained data of research was processed with MATLAB 6.5 software. All consonants were divided to groups, such as voiced and unvoiced, semivowels, plosives and fricatives. In our research was analyzed influence of vowels following after consonant. Obtained data is useful for increasing quality in speech recognition and synthesis. Paper includes: 1. Speech generation analysis. 2. Spectrum analysis methods. 3. Experiment methodology... [to full text]

Šiame darbe yra analizuojama ir tiriama kaip veikia balso atpažinimo sistema HTK, kokie žingsniai turi būti atlikti norint sėkmingai atpažinti lietuviškai išartus žodžius. Taip pat apžvelgiamos kokių kalbos technologijų samprata reikalinga norint sukurti balso atpažinimo programą. Balso atpažinime labai svarbu yra kalbos signalų atpažinimo modeliai ir paslėptosios Markovo grandinės, todėl analizėje yra apžvelgiama jų veikimo principai ir algoritmai. / This thesis will focus on how the speech recognition program HTK operates and what steps have to be taken in order to recognize spoken Lithuanian words. Also the emphasis of this thesis goes to conceptions of speech recognition technologies which are needed to create a speech recognition program.

Magistro darbe pristatoma sukurta programa, realizuojanti interneto naršyklės valdymą balsu. Ši programa papildo atskirų žodžių prototipinę atpažinimo sistemą, pagrįstą paslėptaisiais Markovo modeliais (PMM). Šios dvi dalys ir sudaro interneto naršyklės valdymo balsu prototipą, kuris gali atpažinti 71 komandą (vienas arba du žodžiai) lietuvių kalba: 1 komandą, skirtą naršyklės atvėrimui, 54 naršyklės valdymo komandas, 16 komandų, atveriančių konkrečius iš anksto sistemai nurodytus tinklalapius. Darbe aprašytas lietuvių kalbos atskirų žodžių atpažinimo sistemos akustinių modelių, grįstų paslėptaisiais Markovo modeliais, rinkinių eksperimentinis tyrimas. Atsižvelgiant į įvairius atpažinimui turinčius įtakos veiksnius (mokymo duomenų kiekį, mišinio komponenčių skaičių, kalbėtojo lytį, skirtingos techninės įrangos naudojimą atpažinime), buvo sukurti skirtingi balso komandų akustinių modelių rinkiniai. Eksperimentinio tyrimo metu buvo tiriama šių rinkinių panaudojimo atpažinimo sistemoje įtaka sistemos atpažinimo tikslumui. Eksperimentinio tyrimo rezultatai parodė, kad interneto naršyklės valdymo balsu sistemos prototipo atpažinimo tikslumas siekia 98%. Sistema gali būti naudojama kaip vaizdinė priemonė vyresniųjų klasių moksleiviams informacinių technologijų, fizikos, psichologijos, matematikos pamokose. / The thesis presents a prototype of the software (system) for Web browser control by voice. The prototype consists of two parts: the Hidden Markov Models based word recognition system and the program, which implements browser control by voice commands and is integrated in the word recognition system. The prototype is a speaker-independent Lithuanian word (voice commands) recognition system and can recognize 71 voice commands: 1 command is intended to run browser, 54 commands – for browser control, and 16 commands – to open various user predefined websites. Taking into account various factors (amount of training data, number of Gaussian mixture components, gender of speaker, use of different hardware for recognition) which have impact on recognition, different sets of acoustic models of Lithuanian voice commands were created and trained. An experimental investigation of the influence of the sets usage in Lithuanian word recognition system on the word recognition accuracy was performed. The results of the experimental investigation showed that created prototype system achieves 98% word recognition accuracy. The prototype system can be used at secondary school as a visual speech recognition learning tool in the informatics, physics, psychology, and mathematics lessons for the pupils of senior classes.

Šiuolaikiniame pasaulyje vis daugiau žmonių naudoja išmaniuosius telefonus, kurie perima vis daugiau su kompiuterio atliekamo darbo (el. pašto tikrinimas, apsipirkimas internetu ir t.t.). Šiuose įrenginiuose vis daugiau funkcijų galima atlikti balsu (atidaryti programėles ir kt.), tačiau kol kas tik anglų ir keletu kitų kalbų. Todėl šiame darbe bus nagrinėjamas lietuvių kalbos atpažinimo uždavinys iOS platformai (viena iš pagrindinių išmaniųjų telefonų ir planšetinių kompiuterių platformų), kuri yra naudojama mobiliuose Apple įrenginiuose. Šiame darbe nagrinėjamas CMU Sphinx ir Julius bibliotekų panaudojimas iOS įrenginiuose atpažįstant lietuvių kalbą. Tyrimui buvo sukurtas LSR karkasas paslepiantis CMU Sphinx ir Julius bibliotekų realizacijos ypatumus po Objective-C kalbos sąsaja. Tyrimui buvo naudojamas skaičių nuo 0 iki 9 garsynas ir analizuota, koks atpažinimo tikslumas ir greitaveika yra su tokiu nedideliu 10 žodžių žodynu atpažįstant pavienius skaičius. / Nowadays more and more people use smartphones which replaces more word done with personal computer (e-mail checking, e-shopping, etc.). In these devices more and more functions could be done with voice (open apps and other), but still only in english and some other languages. Therefore, in out work we will investigate Lithuanian speech recognition task in iOS (one of the major smartphones and tablets platforms), which runs in Apple's mobile devices. In this work we investigate CMU Sphinx and Julius libraries use in iOS devices for Lithuanian speech recognition. For this task LSR framework was created which encapsulated CMU Sphinx and Julius realisation nuances under Objective-C interfaces. Experiments were performed with numbers from 0 to 9 corpus and recognition accuracy and speed were investigated.

This work focuses on speech recognition by computer, pattern recognition stages and problems. Also there is a goal to create a speech recognition tool. At the beginning, there is a general overview of the audio signal and language concepts. The subsequent presentation of the essential tasks of speech recognition, introduction to matrix algebra, which is used to described algorithm. Information is provided on what basis and how features are extracted. For this work often is used LPC. This algorithm is one of the most popular extracting features of speech signal, so it is reviewed in this paper, as well as its modification WLPC. The following text of the speech recognition gives theory of extracted features use. Section „Acoustic modeling“ describes the recognition of speech units and one of the most commonly used acoustic modeling technologies – Hidden Markov Models and the next section „Speech modeling“ describes the language modeling, which purpose is to correct data referring to dictionaries and speech structure. The rest of the text is focused on speach recognition using specrtogram and implementation of speach recognition system. After that, there were executed experiments, that where used to define quality of speech recognition. / Šiame darbe gilinamasi i kalbos atpažinima kompiuteriu, atpažinimo etapus, problemas, o veliau meginama sukurti kalbos atpažinimo iranki. Pradžioje, bendrai apžvelgiama garso signalo, kalbos savokos. Veliau pateikiamos kalbos atpažinimo esminiai uždaviniai, supažindinama su matricu algebra, kuri naudojama aprašytuose algoritmuose. Pateikiama informacija kuo remiantis ir kaip išskiriami požymiai. Šiam darbui dažnai naudojamas LPC. Šis algoritmas yra vienas iš populiariausiu išskiriant kalbos signalo požymius, todel jis šiame darbe yra apžvelgtas, kaip ir jo modifikacija WLPC. Toliau tekste pateikiama kalbos atpažinimo teorija, apie išskirtu požymiu panaudojima. Skyriuje „Akustinis modeliavimas“, aprašomas kalbos vienetu atpažinimas ir vienas iš dažniausiai naudojamu akustinio modeliavimo technologiju - pasleptieji Markov’o modeliai, sekantis skyrius „Kalbos modeliavimas“, aprašo kalbos modeliavima, skirta jau turimiems duomenims sutvarkyti, remiantis žodynais ir analizuojamos kalbos struktura. Likusioje teksto dalyje koncentruojamasi ties kalbos atpažinimu panaudojant spektrograma ir kalbos atpažinimo sistemos igyvendinimu. Po to atlikti eksperimentai, kuriais buvo tiriama pateikto algoritmo atpažinimo kokybe.

Signalų technologijų magistro darbo tema yra aktuali, nes nebepakanka įprastų informacijos įvedimo priemonių. Todėl ieškoti ir apdoroti informaciją, valdyti sudėtingus įrenginius ir programas daug patogiau būtų jei kompiuteriai ir įvairūs įrenginiai suprastų žmogaus kalbą. Pasaulyje panašios sistemos kuriamos jau daugelį metų. Tačiau šiuo metu lietuvių kalbos atpažinimo sistemos yra dar tik kūrimo stadijoje. Darbe nagrinėjamas Lietuvių kalbos žodžių atpažinimas skirstant juos į kategorijas ir naudojant paslėptuosius markovo modelius. Šio tyrimo tikslas – ištirti lietuvių kalbos žodžių skirstymo į kategorijas įtaką atpažinimo tikslumui.Taip pat tiriamas žodžių grupių bei pavienių žodžių atpažinimas. Akustinis modelis sukurtas su HTK paketu, kuris naudojasi paslėptųjų Markovo modelių metodika. Žodžių skirstymas į kategorijas aprašytas Backus-Naur formatu. Eksperimentai bus atliekami ir rezultatai gaunami naudojant, Julius programinės įrangos įrankius bei šio paketo, žodžių kategorijų pagrindu veikiančią, Julian kalbos atpažinimo sistemą. Geriausi rezultatai gauti bandant atpažinti pavienius žodžius suskirstytus į kategorijas. Atpažinimo tikslumas siekia 91 %. Bandant atpažinti žodžių sekas, nesuskirstytas į kategorijas, gautas atpažinimo tikslumas tesiekia 51 %. Microsoft Office Word 2003 meniu valdymo atpažinimo tikslumas siekia 82 %. / The theme of Master project of signal technology is actual, because not enough usual information introduction ways. Therefore information search and processing, complicated devices and programs control would be more handily if computers and devices understood human speech. Similar systems are designing for many years in the world. However Lithuanian speech recognition systems are still developing in nowadays. The thesis treats of isolated Lithuanian words recognition dividing them into category and using Hidden Markov Models. The idea of research is to explore categorization of Lithuanian words influence on the accuracy of recognition. The recognition of single words and word groups is under research too. Acoustic model is constructed by using HTK toolkit which is based on Hidden Markov Models. Categorization of words is described with Backus-Naur form. Experiments are made with Julius software speech recognition system Julian witch performs words category based recognition. Best results are got trying to recognize single words set into categories. The accuracy rate of recognition reaches 91 %. While trying to recognize uncategorized word sequences – the accuracy rate of recognition reaches only 51 %. The accuracy rate of Microsoft Office Word 2003 control menu recognition reaches 82 %.