Система розпізнавання мови для створення субтитрів

Abstract

Розробка систем автоматичного розпізнавання мовлення є актуальною задачею в контексті обробки аудіовізуального контенту. Впровадження інструментів для автоматичного створення субтитрів дозволяє покращити доступність відеоконтенту для користувачів різних мовних груп та осіб з порушеннями слуху. Мета: автоматизація генерації субтитрів шляхом розробки програмного забезпечення розпізнавання мовлення на базі штучного інтелекту Об'єктом кваліфікаційної роботи є процес автоматичного розпізнавання мовлення. Предметом кваліфікаційної роботи є алгоритми та технології, що використовуються для створення автоматизованих субтитрів. Для досягнення цієї мети необхідно вирішити наступні завдання:  дослідити існуючі системи розпізнавання мови та методи їхньої реалізації;  проаналізувати можливості інтеграції автоматизованих систем субтитрування у різні мультимедійні платформи;  реалізувати алгоритм, який забезпечить точне розпізнавання мовлення та автоматичне створення субтитрів;  протестувати систему на реальних прикладах для перевірки її ефективності та якості створюваних субтитрів. Кваліфікаційна робота складається з вступу, чотирьох розділів та додатків. У вступі визначається актуальність теми, що приймається за мету та невеликий огляд поставленої задачі, предмет дослідження та об’єкт дослідження. У першому розділі описується аналітична частина, тобто огляд існуючих аналогів. Визначено основні особливості таких систем, що дозволило сформувати загальне розуміння предметної області та обґрунтувати вибір підходів для реалізації. У другому розділі детально розглянуто процес моделювання та проєктування системи. Представлено розроблені UML-діаграми, включаючи діаграми прецедентів, класів і послідовностей, а також описано інтерфейси програмного забезпечення. У третьому розділі охоплює архітектуру, моделювання та проєктування програмного забезпечення. Детально розглянуто структуру системи, розроблено функціональні компоненти та описано взаємодію між ними, що дозволило створити ефективну модель для подальшої реалізації. У четвертому розідлі спочатку детально розглянуто процес кодування, під час якого було здійснено написання коду та інтеграцію всіх компонентів програмного забезпечення. Особливу увагу приділено тестуванню, що включало верифікацію та валідацію. Далі проведено апробацію програмного забезпечення на тестових і реальних аудіо- та відеофайлах, результати якої дозволили оцінити продуктивність і точність системи. У висновках проводиться аналіз роботи та отриманих результатів. Кваліфікаційна магістерська робота викладена на __ сторінку, вона містить 4 розділи, 30 ілюстрацій, 8 таблиці, 20 джерел в переліку посилань. The development of automatic speech recognition systems is a relevant task in the context of audio-visual content processing. The implementation of tools for automatic subtitle creation improves the accessibility of video content for users from different linguistic groups and individuals with hearing impairments. Objective: The development of a system that automatically recognizes speech and generates subtitles using modern speech processing and artificial intelligence technologies. The object of the qualification thesis is the process of automatic speech recognition. The subject of the qualification thesis is the algorithms and technologies used for creating automated subtitles. To achieve this goal, the following tasks were set: – investigate existing speech recognition systems and methods of their implementation; – analyze the possibilities of integrating automated subtitle systems into various multimedia platforms; – implement an algorithm that ensures accurate speech recognition and automatic subtitle creation; – test the system on real examples to evaluate its effectiveness and the quality of the generated subtitles. The explanatory note of the qualification thesis for the bachelor's degree consists of an introduction, four chapters, and appendices. The introduction outlines the relevance of the topic, the objectives of the research, and a brief overview of the problem, research subject, and object. In the first chapter, the analytical part is presented, including a review of existing analogs. The main features of these systems are identified, which allowed for a general understanding of the subject area and substantiated the choice of approaches for implementation. The second chapter provides a detailed discussion of the system modeling and design process. It presents the developed UML diagrams, including use case, class, and sequence diagrams, as well as the description of the software interfaces. The third chapter covers the architecture, modeling, and design of the software. The system structure is examined in detail, functional components are developed, and their interaction is described, which allowed the creation of an efficient model for further implementation. The fourth chapter initially examines the coding process, during which the code was written and all software components integrated. Special attention is given to testing, including verification and validation. Further, the software was tested using both test and real audio and video files, and the results allowed the performance and accuracy of the system to be evaluated. The conclusions provide an analysis of the work and the results obtained. The master's qualification work is presented on __ pages and includes 4 chapters, 30 illustrations, 8 tables, and 20 references in the bibliography.