Expansion of the Speech Database VEPRAD

Ovim radom nastoji se na što jednostavniji način opisati što je to zapravo raspoznavanje govora i u kakve se svrhe koristi te povijest razvoja same discipline. Opisuju se ključni alati korišteni za raspoznavanje govora ili izradu vlastitog SRE, a ukratko je opisan čitav postupak izrade akustičnog modela koji objedinjuje prikupljanje i pripremu podataka, izradu monofonih HMM te izradu trifona povezanih stanja kako bi se povećala preciznost i efikasnost raspoznavanja. Pomoću datoteka dobivenih kao rezultat rada moguće je raspoznavati trenirane riječi, a i vrlo lako implementirati razne aplikacije koje se temelje na istome poput “dialog manager-a”.This thesis tries to explain what speech recognition is, its uses and a brief history of its development. A description of the key tools used for speech recognition or the creation of your own speech recognition engine SRE is given alongside a brief description of the entire process used to build an acoustic model which includes the gathering and preparation of data, generating monophone HMM and generating tiedstate triphones to increase recognition accuracy and efficiency. Using the data we’ve gathered as a result of the process we can recognise the “trained” words or phrases but also easily implement different applications based on speech recognition such as a simple dialog manager