Schuzka16-10-03¶

účast: JVP,PI,AP,JŠ,JZ,ZZ,LSk,DS,PNe,LM,MH,LBu, PSt

LM¶

• PI data z knížek, a z Český rozhlas - Paměť národa"
  - protokoly s Tématy a orientačním časem
  - audio data (stáhnout PI na úložiště JŠ) a nechat přepsat (JVP) (#3959)

TÉMATA¶

• PI předá přepisy a kontakt na doktoranta co se zabývá tématy, LSk diplomanta zaúkoluje a společně nashlukují témata z dat z #3931 (#3802)

AM¶

• JVP rozpoznal se stávajícím modelem (Acc=30-50%) pro velkou variabilitu kvality audia
• sekačka JZ nefunguje
• zlepšit AM
  - JVP - daty - převzorkované telefony ze Speechtechu a daty přepsanými od studenta z #3931
  - DS - natrénovat a otestovat NN z Amalachu (na nových datech od JVP) (#4046)

OBRAZ/OCR¶

• hotova detekce nadpisu v dokumentu - funguje špatně, dále hotovo shlujkování do 4 tříd
• HOCR - 1 best hypotéza, přepis v blocích (odstavce, řádky, slova) , DS - umí víc hypotéz pro jednotlivé znaky, PNe - dodělat do wraperu (#4047)
• udělat supervised shlukování ... potřeba supervised množina dokumentů (zkusit natrénovat v prvním nástřelu unsupervised třídy a zkouknout je ručně) (#3889)

Výstupy projektu (#3967)¶

• PI finalizovat SW ALIGN - "software pro podporu poloautomatického zarovnání nahrávek s existujícími přepisy pro účely efektivní přípravy dat určených pro trénování akustických a jazykových modelů"
  - referovat o něm v průběžné zprávě
  - vytvořit stránky na webu
• PI zkontolovat výstup UK- článek na konferenci