Zobrazeno 1 - 10
of 27 925
pro vyhledávání: '"oral-history interviews"'
Autor:
Sparing F; Institut für Geschichte, Theorie und Ethik der Medizin, Centre for Health and Society, Heinrich-Heine-Universität Düsseldorf, Moorenstr. 5, 40225, Düsseldorf, Deutschland. fsparing@gmx.net., Löffelbein N; Institut für Geschichte, Theorie und Ethik der Medizin, Centre for Health and Society, Heinrich-Heine-Universität Düsseldorf, Moorenstr. 5, 40225, Düsseldorf, Deutschland., Hinz U; Institut für Neuere Geschichte, Heinrich-Heine-Universität Düsseldorf, Universitätsstraße 1, 40225, Düsseldorf, Deutschland.
Publikováno v:
NTM [NTM] 2024 Mar; Vol. 32 (1), pp. 61-69. Date of Electronic Publication: 2024 Feb 27.
ZPRACOVÁNÍ ORÁLNĚ HISTORICKÝCH ROZHOVORŮ V NOVÉM KATALOGIZAČNÍM SYSTÉMU NÁRODNÍHO FILMOVÉHO ARCHIVU.
Autor:
Barešová, Marie1 marie.baresova@nfa.cz, Cubr, Ladislav1 ladislav.cubr@nfa.cz
Publikováno v:
ProInflow. 2024, Vol. 16 Issue 1, p2-32. 31p.
Autor:
Gref, Michael, Matthiesen, Nike, Venugopala, Sreenivasa Hikkal, Satheesh, Shalaka, Vijayananth, Aswinkumar, Ha, Duc Bach, Behnke, Sven, Köhler, Joachim
For research in audiovisual interview archives often it is not only of interest what is said but also how. Sentiment analysis and emotion recognition can help capture, categorize and make these different facets searchable. In particular, for oral his
Externí odkaz:
http://arxiv.org/abs/2201.06868
Automatic speech recognition systems have accomplished remarkable improvements in transcription accuracy in recent years. On some domains, models now achieve near-human performance. However, transcription performance on oral history has not yet reach
Externí odkaz:
http://arxiv.org/abs/2201.06841
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Murphy, Amy Tooth
Publikováno v:
Oral History, 2020 Apr 01. 48(1), 35-44.
Externí odkaz:
https://www.jstor.org/stable/48568046
Publikováno v:
12th International Conference on Language Resources and Evaluation (LREC 2020), pages 6354-6362
While recent automatic speech recognition systems achieve remarkable performance when large amounts of adequate, high quality annotated speech data is used for training, the same systems often only achieve an unsatisfactory result for tasks in domain
Externí odkaz:
http://arxiv.org/abs/2005.12562