Wywiad z mgr inż. Stanisławem Kacprzakiem

Do naszego zespołu dołączył nowy doktorant Stanisław Kacprzak. Jest on nie tylko obiecującym młodym naukowcem, ale także ciekawym przykładem nowoczesności rekrutacji w naszym zespole. Po pierwsze Stanisław jest absolwentem Politechniki Łódzkiej na Wydziale Fizyki Technicznej, Informatyki i Matematyki Stosowanej. Studiował kierunek Informatyka, ze specjalizacją Sztuczna Inteligencja i Inżynieria Oprogramowania. Nie dość, że mamy tu więc do czynienia z pełną mobilnością to jeszcze sama rekrutacja do jego pracy w naszym projekcie odbywała się wyłącznie poprzez elektroniczną wymianę korespondencji, i to nie z Łodzi do Krakowa, a z Łodzi do Kalifornii, gdzie wówczas przebywałem. Co więcej, Stanisław nie przybył do nas świeżo po zakończeniu studiów magisterskich. Przez rok pracował w komercyjnej firmie jako programista. Tak więc obalił swoim przykładem trzy wielkie stereotypy polskiej nauki: o braku mobilności i kumoterstwie, wszechogarniającej biurokracji i braku łączności między nauką a przemysłem.

Jak przeprowadzka z Łodzi do Krakowa?

Dziękuję, dobrze. Podczas dwóch kursów udało mi się przetransportować większość najpotrzebniejszych rzeczy. Na razie mieszkam w akademiku, ale pewnie niedługo rozejrzę się za mieszkaniem.

Skąd dowiedziałeś się o naszym zespole?

Moja praca magisterska dotyczyła zagadnień rozpoznawania mowy w języku polskim. Pisząc ją natrafiłem na publikacje i prace doktorskie związane z tą tematyką autorstwa członków zespołu.

Dlaczego zainteresował Cię nasz zespół?

Od czasu do czasu zaglądałem na tego bloga i z dużym uznaniem obserwowałem ciągłe postępy w pracy naukowej zespołu jak publikacje, udziały w konferencjach czy wydanie książki "Przetwarzanie Mowy".

Skąd Twoje zainteresowanie technologiami mowy?

Miałem okazję odbywać trzymiesięczne praktyki w ramach programu IAESTE w dziale R&D firmy INDRA Software Labs w Madrycie. Podczas tych praktyk zajmowałem się między innymi tworzeniem programu do nagrywania i katalogowania danych treningowych oraz implementacją algorytmu wyznaczania parametrów MFCC. Wiedza i doświadczenie jakie tam zdobyłem zachęciły mnie do kontynuowania zajmowania się tematyką rozpoznawania
mowy w ramach pracy magisterskiej.

Co wcześniej Cię łączyło z AGH?

Chyba tylko książki profesora Tadeusiewicza.

Jak oceniałeś swoje szanse na pracę na AGH, gdy pierwszy raz przyszedł Ci taki pomysł do głowy?

Wydawało mi się, że na pewno jakieś są, bo tematyka mojej pracy magisterskiej pokrywa się z zainteresowaniami zespołu, ale spodziewałem się, że zgłosi się dużo studentów AGH.

Co najbardziej Cię zaskoczyło na AGH?

Ilość studentów. Naprawdę są ich tłumy, a to przecież jeszcze nie Juwenalia.

Co Cię skłoniło na zmianę kierunku kariery, od przemysłu do akademii?

Możliwość skupienia się na tym co naprawdę mnie interesuje, perspektywa ciągłego poszerzania wiedzy, co w przypadku "zwykłej" pracy nie zawsze jest możliwe.

Jakie atuty dostrzegasz w pracy na uczelni?

Możliwość rozwijania własnych zainteresowań, dostęp do zasobów naukowych uczelni oraz ułatwiony kontakt z ekspertami z danej dziedziny. Większa niezależność w organizowaniu swojego czasu pracy.

Co radzisz studentom 5 roku, którzy myślą o przyszłej pracy na uczelni?

Jeśli rozważają taką możliwość, to już jakiś znak. Na pewno warto napisać jakąś publikację, może dotyczącą pracy magisterskiej czy inżynierskiej. Taką radę ja otrzymałem, ale poniewczasie.

Dziękuję za wywiad i powodzenia!

Procesor do rozpoznawania mowy

Diotex połączyło siły z Conexant i stworzyło nowoczesny i zaawansowany układ do rozpoznawania mowy. Zastosowaniem ma być elektronika konsumencka i zabawki edukacyjne. Zapewniać ma wysoką wydajność przy niskich kosztach. Więcej na evertiq.pl

Praat - doing phonetics by computer

Praat jest darmowym programem do przetwarzania mowy pod kątem fonetyki. Oferuje narzędzia do analizy i syntezy mowy, na bazie zaimplementowanych algorytmów przetwarzania czasowo-częstotliwościowego (w tym filtrowanie, segmentacja, parametryzacja, analiza intonacji, analiza spektralna). Zawiera również podstawowe narzędzia do anotacji mowy, modelowania traktu głosowego, uczenia maszynowego (klasyfikator kNN, sieci neuronowe) i analizy statystycznej (m.in. PCA, analiza dyskryminacyjna).

Program jest lekki (ok. 5 MB, nie wymaga instalacji), ma wyjątkowo prosty i przejrzysty interfejs. Dostępne są wersje na różne systemy operacyjne, jak również kod źródłowy programu. Posiada własny (bardzo przystępny) język skryptowy pozwalający na zautomatyzowanie wielu operacji.

Dzięki dość dużej społeczności użytkowników Praata, powstaje wiele darmowych manuali, tutoriali i toolboxów. Twórcy Praata, Paul Boersma i David Weenink (University of Amsterdam), regularnie aktualizują i wzbogacają program o kolejne funkcjonalności (ostatnia aktualizacja kilka dni temu - wersja 5.3.29).

Źródło:  http://www.fon.hum.uva.nl/praat/

Rozpoznawanie myśli

Naukowcy z UCLA i Technion zbadali aktywność mózgu podczas produkowania dźwięków poszczególnych samogłosek. Ustalenie, które rejony mózgu są odpowiedzialne za kodowanie wytwarzania dźwięków mowy ma być krokiem ku opracowaniu interfejsów umożliwiających komunikację osobom sparaliżowanym.

Źródła: http://www.sciencedaily.com/releases/2012/08/120821143612.htm
http://www.nature.com/ncomms/journal/v3/n8/full/ncomms1995.html#/affil-auth

Aktywowany głosem system w samochodach Chryslera

Chrysler wprowadza do oferty wyposażenia auta system UConnect Voice Command, wraz z wbudowanym systemem łączności UConnect Acess. Ma on umożliwiać m.in. sterowanie urządzeniami (np. radiem), korzystanie z nawigacji i wyszukiwarki, jak również dyktowanie wiadomości (będzie kompatybilny ze smartphone'ami posiadającymi Message Access Profile - MAP).

Źródło: http://www.speechtechmag.com/Articles/News/News-Feature/Chrysler-Adds-Voice-to-Select-Models-85178.aspx

'Wyborcy wolą polityków o niższym głosie' - jak profil mowy wpływa na ocenę cech przywódczych

Preferencje wyborców dotyczące wysokości głosu polityków zbadali amerykańscy naukowcy. Okazuje się, że osobom o niższym tonie głosu (zarówno mężczyznom, jak i kobietom) ludzka percepcja podświadomie przypisuje takie cechy jak kompetencje, siła, czy zaufanie.

(C. A. Klofstad, R. C. Anderson, S. Peters. Sounds like a winner: voice pitch influences perception of leadership capacity in both men and women. 

Proceedings of the Royal Society B: Biological Sciences, 2012)

źródła: http://www.sciencedaily.com/releases/2012/03/120313230602.htm

http://rspb.royalsocietypublishing.org/content/279/1738/2698

Z kolei jak mówią polscy politycy z punktu widzenia ekspertów mowy - możemy zobaczyć w prezentacji opracowanej przed Prof. Izdebskiego oraz dr Zei-Pollerman w materiale dla Tygodnika Powszechnego:

Natural Language Processing - kurs online na platformie Coursera

COURSERA jest internetową plaftormą edukacyjną, umożliwiającą każdemu uczestniczenie w bezpłatnych kursach on-line czołowych światowych uczelni. W COURSERA zaangażowane są m.in. Stanford University, Princeton University,  University of Pennsylvania czy University of Michigan (obecnie łącznie 33 uczelnie).

Kilkutygodniowe kursy mają formę sekwencji filmików edukacyjnych, połączonych z quizzami (i egzaminami online!), można też uzyskać certyfikat potwierdzający ukończenie kursu. W ofercie tematycznej kursów przybywa z miesiąca na miesiąc, powiększa się dynamicznie też społeczność uczestników COURSERA.

Niedawno zapowiedziano kurs Natural Language Processing. 

Czas trwania: 10 tygodni

Planowany start: 11 luty 2013