prikaz prve stranice dokumenta Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova
Access restricted to authenticated users
master's thesis
Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova
Split: University of Split, University of Split, Faculty of science, 2020. urn:nbn:hr:166:541605
Kontić, Antonia
University of Split
Faculty of Science
Department of Informatics

Institutional repository: Repository of Faculty of Science

Cite this document

Kontić, A. (2020). Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova (Master's thesis). Split: University of Split, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:166:541605

Kontić, Antonia. "Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova." Master's thesis, University of Split, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:166:541605

Kontić, Antonia. "Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova." Master's thesis, University of Split, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:166:541605

Kontić, A. (2020). 'Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova', Master's thesis, University of Split, Faculty of Science, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:166:541605

Kontić A. Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova [Master's thesis]. Split: University of Split, Faculty of Science; 2020 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:166:541605

A. Kontić, "Multimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova", Master's thesis, University of Split, Faculty of Science, Split, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:166:541605

Metadata
TitleMultimodalne aplikacije temeljene na govornim tehnologijama i optičkom prepoznavanju znakova
Title (english)Multimodal Applications based on Speech Technology and Optical Character Recognition
AuthorAntonia Kontić
MentorAndrina Granić (mentor)
Committee memberAndrina Granić (predsjednik povjerenstva)
Committee memberNikola Marangunić (član povjerenstva)
Committee memberJelena Nakić (član povjerenstva)
GranterUniversity of Split
Faculty of Science
(Department of Informatics)
Split
Defense date and country2020-07-21, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U diplomskom radu opisane su metode korištene za kreiranje multimodalnih aplikacija koje su temeljene na govornim tehnologijama i optičkom prepoznavanju znakova. Prvi dio rada donosi osnovna znanja o govornim tehnologijama, promjenama koje su doživjele tijekom godina te važnijim izumima unutar područja. Detaljnije su opisane dvije grupe govornih tehnologija: automatsko prepoznavanje govora i sinteza govora. Također su objašnjene i primjene govornih sučelja. U drugom dijelu rada opisuje se optičko prepoznavanja znakova, povijesni pregled i razvoj, kao i najvažnija otkrića koji su doprinijeli tehnološkom razvoju. Također je dan prikaz mogućih područja korištenja, od digitalizacije i unosa sadržaja i podataka, čitača barkodova, do aplikacija namijenjenih osobama s invaliditetom. Stečena teorijska znanja uspješno su primijenjena u trećem, praktičnom dijelu rada. Realizirana je mobilna aplikacija koja je osmišljena kao pomoć osobama koje imaju poteškoća s vidom, te ujedno zbog toga i probleme sa čitanjem. Aplikacija omogućava detektiranje teksta iz slika i dokumenata, njegovu pretvorbu u govor, kao i konverziju govora u tekst.
Abstract (english)
The thesis describes the methods used to create multimodal applications based on speech technologies and optical character recognition. Speech technologies are presented along with speech technology development and major inventions in the field. Two groups of speech technologies, specifically automatic speech recognition and speech synthesis, are in the focus of this theoretical part. Speech technology, implementation of speech interfaces as well as optical character recognition are presented as well. An insight into major inventions in optical character recognition along with its usage from digitalization, data and content entry until applications for humans with disability is provided. Theoretical knowledge is successfully implemented in practice; mobile application intended to help people with sight difficulties is developed. Due to sight problems, they usually also face difficulties in reading. The mobile application enables recognition of text from figures and documents, then its translation to speech and finally conversion voice to text.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:166:541605
Study programmeTitle: Computer Science; specializations in: major in teaching
Course: major in teaching
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra edukacije informatike (magistar/magistra edukacije informatike)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to authenticated users
Terms of useLicence In copyright icon
Created on2021-01-13 17:25:01