A klasszikus beszédfelismerő rendszerek egy megadott nyelven működnek jól, ahol akár az emberivel összevethető pontosságot is elérhetnek. Azonban a gyakorlati problémáknál elkerülhetetlen másik nyelvű szavak elhangzása, mely számos problémát felvet. Egyrészt, ha az adott (pl. magyar) nyelv hangjaival nagyjából le is fedhető az adott (pl. angol) szó, nem magától értetődő, hogy származtassuk a kiejtését - különösen, ha több ezer ilyen szó rövid idő alatt történő szótárba illesztése a feladat. Azonban natív ejtésmód esetén már a hangképzés is jelentősen különbözik, ami külön akusztikai modellezért tesz szükségessé. A ma nagyon népszerű end-to-end deep learning alapú megközelítést javasoljuk megvizsgálni, ehhez számos szoftver és hardver eszköz és tapasztalat áll rendelkezésre. Gyűjtőtéma révén számos területen (pl. természetes nyelvű szövegfeldolgozás/NLP/, deep learning, Python alapú fejlesztés, kutatás) lehet bekapcsolódni, a téma továbbvihető TDK, szakdolgozat/diplomamunka, PhD irányába.

Traditional speech recognition systems work well for a specific language, often achieving human-level accuracy. However, in practical applications, the occurrence of words from other languages is inevitable, which raises several challenges. On the one hand, even if the sounds of the target language (e.g., Hungarian) can roughly cover the pronunciation of a word from another language (e.g., English), determining its pronunciation is not straightforward—especially when integrating thousands of such words into a dictionary in a short period. On the other hand, native pronunciation introduces significant differences in articulation, necessitating separate acoustic modeling. We propose exploring the highly popular end-to-end deep learning-based approach to address these challenges, leveraging the wide range of software, hardware tools, and expertise available today. As a broad topic, this research allows involvement in various fields such as natural language processing (NLP), deep learning, Python-based development, and research. The project can be extended into a TDK (Student Scientific Conference), thesis, diploma work, or even a PhD direction.