Az emberi kommunikáció és a nyelvi kifejezés alapja a beszéd, Írni és olvasni jellemzően hat éves kora után tanul meg az ember. Mégis a számítógépes világban a természetes nyelvfeldolgozás fogalma tipikusan szöveg elemzést takar. A projekt keretében megvizsgáljuk, hogy milyen elméleti és objektív paraméterekkel írható le a hangzó beszéd és annak szöveges megfelelője közti különbség. Elemezzük, hogyan lehet ezt a gépi beszédfelismerés és a gépi beszédkeltés színvonalának javítására felhasználni. Az eredményeket demonstrációs alkalmazásokban mutatjuk be.

Speech is the basis of human communication and linguistic expression. People typically learn to read and write after the age of six. Yet in the computer world, the term natural language processing typically refers to text analysis. In this project we will investigate the theoretical and objective parameters that describe the difference between spoken language and its textual counterpart. We will analyse how this can be used to improve the quality of speech recognition and speech synthesis engines. The results are presented in demonstration applications.