Automatyczne wyszukiwanie słów kluczowych w nagraniach mowy na podstawie transkrypcji wygenerowanej przez modele głębokiego

Celem pracy jest opracowanie systemu umożliwiającego automatyczne wyszukiwanie słów kluczowych w nagraniach mowy, w szczególności pochodzących z ogólnodostępnych źródeł (np. YouTube). System opiera się na automatycznej transkrypcji wypowiedzi z wykorzystaniem modeli głębokiego uczenia (np. Whisper, Wav2Vec 2.0), a następnie przeprowadza analizę skuteczności wykrywania słów kluczowych. Praca ma na celu ocenę dokładności i niezawodności transkrypcji oraz jakości identyfikacji i wyszukiwania fraz, z uwzględnieniem różnych języków, akcentów lub warunków akustycznych.

Uzasadnienie: Dyplomanci będą działać na dużych zasobach danych, stąd wynika zapotrzebowanie na moce obliczeniowe.