Am Freitag, 27. Februar, hält Dr. Tomohiro Nakatani von den „Communication Science Laboratories“ der NTT Corporation in Japan einen englischsprachigen Vortrag an der Universität Paderborn. Er widmet sich unter dem Titel „Enhancing Distant Automatic Speech Recognition via Model-Based Multi-Microphone Front-Ends“ der automatischen Spracherkennung mit im Fernfeld aufgenommenen Audiosignalen. Diese Technologie ist eine zentrale Voraussetzung für Anwendungen wie die Erkennung natürlicher Gespräche in realen Alltagsumgebungen. Eine besondere Herausforderung stellen dabei Störfaktoren wie Hintergrundgeräusche, Nachhall und überlappende Sprecher*innen dar. Die Veranstaltung startet um 11 Uhr in Hörsaal L3.204. Eine Anmeldung ist nicht erforderlich. Weitere Informationen finden Interessierte auf der Seite der Fakultät für Elektrotechnik, Informatik und Mathematik.
Dr. Nakatani gibt einen Überblick über sogenannte modellbasierte Multi-Mikrofon-Frontends, die zur Unterdrückung von Störfaktoren eingesetzt werden. Ein wesentlicher Vorteil dieser Methoden liegt in ihrer Fähigkeit, Audiosignale mithilfe physikalischer und probabilistischer Modelle zu zerlegen – häufig ohne vorheriges Training. Dadurch eignen sie sich besonders gut für unbekannte und komplexe akustische Umgebungen. In Kombination mit neuronalen Netzwerken ermöglichen diese Ansätze selbst unter schwierigen Bedingungen eine hochpräzise Signalverarbeitung. Anhand anspruchsvoller Szenarien der „Distant Automatic Speech Recognition“ zeigt Dr. Nakatani, wie Verfahren zur Rauschunterdrückung, Quellentrennung und Hallunterdrückung die Erkennungsleistung deutlich verbessern können.
Dr. Nakatani ist „Distinguished Industry Speaker“ der „IEEE Signal Processing Society“. Gastgeber an der Universität Paderborn ist Prof. Dr. Reinhold Häb-Umbach.
