Year: 2026
Type: dissertation
Abstract: Diplomová práca sa zaoberá problematikou rozpoznávania emócií a stresu z reči s dôrazom na využitie moderných self-supervised foundation modelov pre spracovanie reči. Teoretická časť práce predstavuje problematiku Speech Emotion Recognition, spracovania rečového signálu, hlbokého učenia, Transformer architektúr a moderných modelov, ako sú Wav2Vec2, HuBERT, XLS-R, WavLM a Whisper. Praktická časť sa zameriava na návrh experimentálnej pipeline, prípravu a analýzu datasetov, implementáciu tréningových postupov a fine-tuning vybraných modelov pre klasifikáciu diskrétnych emócií a regresiu dimenzií arousal a valence. Súčasťou práce je aj parametricky efektívne jemné ladenie modelov pomocou techniky LoRA. Výsledky experimentov potvrdzujú, že moderné self-supervised modely poskytujú robustné reprezentácie reči vhodné pre úlohy rozpoznávania emócií a dosahujú vysokú mieru generalizácie aj v podmienkach obmedzeného množstva anotovaných dát.
Author: Rajko, Adam
Institution: Brno University of Technology
Language: Slovak
Topic: Emotion and Mood Recognition
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7165988796
