Выпускная квалификационная работа на тему: «Использование алгоритмов транскрибирования и акцентуации русского текста в системе голосового управления». Данная работа рассматривает создание более точной фонетической транскрипции применяя для этого алгоритмы транскрибирования и акцентуации, а также разработанную нейронную сеть. Создание на основе данной транскрипции акустической модели и ее применение в прикладном приложении с реализованным голосовым управлением, а именно Telegram бота, получающего и хранящая ссылки на Яндекс.Карты с конкретным адресом или построенным маршрутом. Задачи, решаемые в ВКР: Исследование предметной области и открытых библиотек распознавания речи. Изучение существующих методов улучшения алгоритма акцентуации. Разработать нейронную сеть и провести ее обучение улучшив алгоритм акцентуации. Получить транскрипцию и обучить на ее основе акустическую модель. Создать алгоритм сбора тестовых данных и собрать тестовые данные по темам. Провести Сравнение акустической модели с конкурентами. Разработать Telegram бота на java c применением современных библиотек. Применить акустическую модель и транскрипции для голосового управления.

Graduate qualification work on the topic: "Using algorithms for transcribing and accentuation of Russian text in a voice control system". This work is concerned with the creation of a more accurate phonetic transcription, using for this purpose transcribing and accentuation algorithms, as well as a developed neural network. Creating an acoustic model based on this transcription and applying it in an application with implemented voice control, namely a Telegram bot that receives and stores links to Yandex.Maps with a specific address or a constructed route. Tasks to be solved in the EKR: Research of the subject area and open-source speech recognition libraries. Study Existing methods to improve the accentuation algorithm. Develop a neural network and train it to improve the accentuation algorithm. Obtain a transcription and train an acoustic model based on it. Create a test data collection algorithm and collect test data by topic. Conduct a Comparison of the acoustic model with the competitors. Develop a Telegram bot in java using modern libraries. Apply the acoustic model and transcriptions for voice control.

• ВВЕДЕНИЕ
• ГЛАВА 1. ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ И ОТКРЫТЫХ БИБЛИОТЕК РАСПОЗНОВАНИЯ РЕЧИ
  • 1.1 Структура речи
  • 1.2 Распознавание речи
  • 1.3 Обзор Открытых библиотек распознавания речи
    • 1.3.1 HTK
    • 1.3.2 Kaldi
    • 1.3.3 Julius
    • 1.3.4 CMU Sphinx
  • 1.4 Архитектура Sphinx4
  • 1.5 Алгоритмы СMU Sphinx
    • 1.5.1 Получение МЧКК
    • 1.5.2 Скрытые Марковские Модели
    • 1.5.3 Алгоритм Витерби
  • 1.6 Исследования по транскрибированию и акцентуации
• ГЛАВА 2. ПРИМЕНЕНИЕ АЛГОРИТМОВ ТРАНСКРИБИРОВАНИЯ И АКЦЕНТУАЦИИ
• 2.1 Транскрибирование
• 2.1.1. Алгоритм транскрибирования
• 2.2Акцентуация
  • 2.2.1 Общие подходы к Нейронным сетям
  • 2.2.2 Рекуррентные нейронные сети
  • 2.2.3 LSTM
  • 2.2.4 GRU
  • 2.2.5 CBOW
  • 2.2.6 Разработанная нейронная сеть
  • 2.2.6 Алгоритм создания словаря
  • 2.3 Архитектура приложения
  • 2.4 Инструментарий и технологии разработки приложения
    • 2.4.1 Среда разработки.
    • 2.4.2 система автоматизации сборки
    • 2.4.3 Фреймворк
    • 2.4.5 FFmpeg
    • 2.4.6 Telegram
    • 2.4.7 Selenium
    • 2.4.8 Sphinx4
    • 2.5 Сбор тестовых данных для сравнения акустических систем
• ГЛАВА 3. Анализ работы и результаты
  • 3.1 Тестирование и сравнение с конкурентами
  • 3.2 Сравнение Акустических моделей и словарей на тестовой выборке.
  • 3.2 Результаты работы Telegram бота
• Заключение
• Список использованных источников