Govorne tehnologije u programskom jeziku Python za hrvatski jezik

diplomski rad

• Naslov (engleski): Speech technologies in the Python programming language for the Croatian language
• Autor: Lucia Sirovec
• Mentor: Ivan Dunđer (mentor)
• Član povjerenstva: Sanja Seljan (predsjednik povjerenstva)
• Član povjerenstva: Vjera Lopina (član povjerenstva)
• Član povjerenstva: Ivan Dunđer (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Filozofski fakultet; (Odsjek za informacijske i komunikacijske znanosti); Zagreb
• Datum i država obrane: 2023-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti; Organizacija i informatika

Sažetak

Govorne tehnologije, posebno govor-u-tekst (engl. speech-to-text), zahvaljujući razvitku umjetne inteligencije i posebno neuronskih mreža iznimno su napredovale posljednjih godina i postale ključnim alatom u mnogim područjima, kao i u svakodnevici.
Cilj ovog diplomskog rada je opisati kako funkcionira tehnologija pretvaranja govora u tekst. Rad se sastoji od dva dijela. U prvom, teorijskom dijelu bit će navedeni i objašnjeni neki od ključnih izazova s kojima se susrećemo pri stvaranju sustava pretvorbe govora u tekst. Također će se navesti ograničenja i izazovi koji su povezani s tehnologijom pretvaranja govora u tekst te će se opisati razni alati koje je moguće koristiti za pretvorbu govora u tekst. Drugi, praktični dio rada bavit će se korištenjem algoritama za pretvorbu govora u tekst. U radu će se napraviti usporedna analiza i testiranje algoritama u programskom jeziku Python za hrvatski jezik.

Sažetak (engleski)

Speech technologies, especially speech-to-text, thanks to the development of artificial intelligence and especially neural networks, have progressed tremendously in recent years and have become a key tool in many areas, as well as in everyday life.
The aim of this master’s thesis is to describe how speech-to-text technology works. The paper consists of two parts. In the first, theoretical part, some of the key challenges we face when creating a speech-to-text conversion system will be listed and explained. It will also outline the limitations and challenges associated with speech-to-text technology and describe the various tools that can be used for speech-to-text. The second, practical part of the paper will deal with the use of algorithms for converting speech into text. In the paper, a comparative analysis and testing of algorithms in the programming language Python for the Croatian language will be done.

• Ključne riječi: govor u tekst; govorne tehnologije; Python
• Ključne riječi (engleski): speech-to-text; speech technologies; Python
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:131:369145
• Studijski program: Naziv: Informacijske znanosti; smjerovi: Arhivistika, Bibliotekarstvo, Informatika (istraživački), Informatika (nastavnički), Muzeologija i upravljanje baštinom, Informatologija; Smjer: Informatika (nastavnički); Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra edukacije informatike (mag. educ. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Repozitorij: ODRAZ
• Datum i vrijeme pohrane: 2023-07-11 15:36:40