@inproceedings{BaumannPaetzelSchlesingeretal., author = {Baumann, Timo and Paetzel, Maike and Schlesinger, Philipp and Menzel, Wolfgang}, title = {Using Affordances to Shape the Interaction in a Hybrid Spoken Dialogue System}, series = {Elektronische Sprachsignalverarbeitung 2013 : Tagungsband der 24. Konferenz, Bielefeld, 26. - 28.3.2013 ; [ESSV 2013]}, booktitle = {Elektronische Sprachsignalverarbeitung 2013 : Tagungsband der 24. Konferenz, Bielefeld, 26. - 28.3.2013 ; [ESSV 2013]}, publisher = {TUDpress}, isbn = {978-3-94431-03-4}, url = {http://nbn-resolving.de/urn:nbn:de:gbv:18-228-7-1836}, pages = {12 -- 19}, abstract = {Affordances manifest possibilities of interaction with a spoken dialogsystem. For example, the act of asking a question affords to the recipient thepossibility of answering. In the system we present, the observable act of maneuveringaffords the possibility of controlling a motion. Our system thus uses the affordanceprinciple to shape the interaction: to trigger the usage of instructions that are easyto understand and process, the system gives immediate visual feedback to afforduser commands that can then be reacted upon. This tightening of the interactionloop requires an incremental processing paradigm to allow fast reactions and to beable to alter ongoing system actions. Our system is a hybrid of incremental andnon-incremental processing components, combining conventional, state graph-basedprocessing, which has the advantage of widely available toolkits and well-understooddialog management, with incremental dialog processing which allows for the tightfeedback loop that provides for quick reactions. We tested our approach in a smalluser study and found that users used simpler and setting-independent commandsmore often and were more efficient when faced with the affordance-based version ofour system.}, language = {en} } @book{Baumann, author = {Baumann, Timo}, title = {Incremental Spoken Dialogue Processing: Architecture and Lower-level Components}, publisher = {Bielefeld University}, isbn = {9783848200221}, url = {http://nbn-resolving.de/urn:nbn:de:hbz:361-25819101}, pages = {176}, language = {en} } @inproceedings{OPUS4-248, title = {Anwendungen und Techniken zur Analyse großer Datenbest{\"a}nde}, editor = {Fuchs, Gerhard and Herrmann, Frank and M{\"u}ller, Christian and Wirtz, Klaus Werner}, publisher = {Verlag News \& Media}, address = {Berlin}, doi = {10.15771/978-3-936527-14-8}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-2489}, abstract = {Mit dem Vorliegen großer Datenbest{\"a}nde steigen nat{\"u}rlich auch die W{\"u}nsche und Anforderungen zur Analyse dieser Daten. Aus diesen Gr{\"u}nden widmet sich die AKWI Tagung 2008 mit den hier dokumentierten Beitr{\"a}gen und Diskussionen diesem Thema unter dem Titel: Herausforderungen an die Wirtschaftsinformatik: Anwendungen und Techniken zur Analyse großer Datenbest{\"a}nde. Mit dem analytischen Customer Relationship Management (CRM) wird von Frick und Iversen das Ziel verfolgt, die Analyse der verf{\"u}gbaren Informationen f{\"u}r die Kundenbed{\"u}rfnisse einzusetzen. Das kann betr{\"a}chtlich die Qualit{\"a}t der Kundenbeziehungen verbessern. Es erfordert aber auch eine Weiterqualifizierung aller Beteiligten. Das Supply Chain Management (SCM) dient zur Unternehmens{\"u}bergreifenden Betrachtung und Modifikation der Gesch{\"a}ftsprozesse. Die st{\"a}ndige Weiterentwicklung der Gesch{\"a}ftsprozesse in den Unternehmen erfordert auch permanent Anpassung bei den davon in der Supply Chain betroffenen Unternehmen. Die Erweiterung der klassischen Sichtweise der Kostenfunktion im Rahmen der Produktionsplanung um die Einfuhrzollproblematik wird von Szymanski mit einem Ansatz zur Optimierung der Supply Chain mit mathematischen Optimierungsmodellen aufgezeigt. Die Gr{\"u}nde daf{\"u}r liegen in den immer globaleren Gegebenheiten der Beschaffungs-, Produktions- und Distributionslogistik. F{\"u}r die umfangreichen Aufgaben im Umgang mit den Enterprise Ressource Planning (ERP) Systemen und deren Implementierung werden heute entsprechende Tools ben{\"o}tigt. Von SAP wird daf{\"u}r der SAP Solution Manager angeboten. Von Frick und Lankes wird der SAP Solution Manager als ein Projektmanagement Werkzeug eingesetzt. Unternehmen jeder Gr{\"o}ßenordnung sehen sich zunehmend mit der Herausforderung konfrontiert, die betrieblichen Daten f{\"u}r die unterschiedlichsten Zielsetzungen zur Verf{\"u}gung zu stellen. Neben den betrieblichen Anforderungen r{\"u}cken hier aber auch die {\"A}nderung der Abgabenordnung (AO) und damit der Datenzugriff durch die Finanzbeh{\"o}rden, die Einhaltung von Compliance Richtlinien und damit das Erkennen von Unterschlagungshandlungen als auch die Best{\"a}tigung der Ordnungsm{\"a}ßigkeit des Jahresabschlusses durch die Wirtschaftspr{\"u}fer immer st{\"a}rker in den Fokus der digitalen Aufbereitung von Unternehmensdaten. Wirtschaftspr{\"u}fer, Interne Revisoren und Betriebspr{\"u}fer der Finanzverwaltung haben die gleichen Probleme zu bew{\"a}ltigen, indem sie sich mit einer gewachsenen, heterogenen und durch Firmenzuk{\"a}ufe und Ausgliederungen stetig {\"a}ndernden IT Infrastruktur auseinander zu setzen haben. Von Herde wird ein Ansatz zur Extraktion betrieblicher Massendaten in ein analysef{\"a}higes Format, unabh{\"a}ngig von operativen Systemen, kosteng{\"u}nstig realisiert. Der Umgang mit großen Mengen von Daten, auch aus unterschiedlichen Unternehmensbereichen, einer großen Anzahl von Benutzern erfordert heute ein Data Warehouse mit konsolidierten Daten. Ohne eine ausreichende Konsolidierung, d. h. ohne eine einheitliche Darstellung der Daten, kann keine sinnvolle Auswertung erfolgen. Erst mit einem Data Warehouse k{\"o}nnen die Mitarbeiter auch erkennen, was das Unternehmen zu speziellen Fragen eigentlich alles weiß. Von Stegemerten wird aufgezeigt, wie aus einer bestehenden Unternehmensstrategie eine Strategie zum Aufbau eines Data Warehouses abgeleitet werden kann und eine Organisationsstruktur beschrieben, die diese Umsetzung gew{\"a}hrleistet. Die Bedeutung des Controllings wird in dem Beitrag von Frank Weymerich mit der Entwicklung eines entsprechenden Cockpits deutlich. Hier werden die f{\"u}r das Controlling n{\"u}tzlichen Informationen in einem individuell bedienbaren Cockpit f{\"u}r die betrieblichen Entscheider sinnvoll zusammengestellt. In allen Beitr{\"a}gen werden unterschiedliche spezielle Aspekte der Analyse und Organisation großer Datenbest{\"a}nde aus der Sicht der Wirtschaftsinformatik mit dem ihr eigenen Blick auf die Gesamtheit aller Einflussgr{\"o}ßen aufgezeigt.}, language = {de} } @inproceedings{BrosigWestnerStrahringer, author = {Brosig, Christoph and Westner, Markus and Strahringer, Susanne}, title = {Linking IT assets and competitive advantage - IT capabilities of servitized business models}, series = {34th Bled eConference Digital Support from Crisis to Progressive Change: June 27 - 30, 2021, Online: Conference Proceedings}, booktitle = {34th Bled eConference Digital Support from Crisis to Progressive Change: June 27 - 30, 2021, Online: Conference Proceedings}, editor = {Borštnar, Mirjana Kljajić}, isbn = {978-961-286-485-9}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-20158}, pages = {111 -- 123}, abstract = {This paper connects research from business model innovation and information systems by exploring critical IT capabilities for servitized business models. The adoption of servitized business models is a major business model innovation strategy. At the same time, digitalization drives the evolution of IT capabilities at these business models. Scholars argue that it remains unclear how IT capabilities enable servitized business models to build a competitive advantage by achieving cost advantages or differentiation. This paper explores IT capabilities that enable building a competitive advantage for servitized business models based on a qualitative analysis of multiple published case studies. The authors identify configurations of IT capabilities among servitized business models. The findings contribute to servitization research by exploring IT capabilities and how they are combined among servitized business models. The insights help practitioners deploy digital technologies and IT assets effectively as building blocks of IT capabilities to advance their servitized business model.}, subject = {Gesch{\"a}ftsmodell}, language = {en} } @unpublished{Weiss, author = {Weiß, Martin Georg}, title = {Optimization of Cartesian Tasks with Configuration Selection}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-20176}, abstract = {A basic task in the design of an industrial robot application is the relative placement of robot and workpiece. Process points are defined in Cartesian coordinates relative to the workpiece coordinate system, and the workpiece has to be located such that the robot can reach all points. Finding such a location is still an iterative procedure based on the developers' intuition. One difficulty is the choice of one of the several solutions of the backward transform of a typical 6R robot. We present a novel algorithm that simultaneously optimizes the workpiece location and the robot configuration at all process points using higher order optimization algorithms. A key ingredient is the extension of the robot with a virtual prismatic axis. The practical feasibility of the approach is shown with an example using a commercial industrial robot.}, subject = {Intralogistik}, language = {en} } @incollection{FalterGoldbergGuentheretal., author = {Falter, Thomas and Goldberg, Boris and G{\"u}nther, Swen and Steffens, Oliver}, title = {Transfererfolg messbar machen}, series = {Erfolgreicher Transfer in der Arbeitsgestaltung}, booktitle = {Erfolgreicher Transfer in der Arbeitsgestaltung}, editor = {Borowski, Esther and Cernavin, Oleg and Hees, Frank and Joerißen, Theresa}, publisher = {Waxmann}, address = {M{\"u}nster}, doi = {10.31244/9783830998082}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-67568}, publisher = {Ostbayerische Technische Hochschule Regensburg}, pages = {173 -- 187}, abstract = {Hochschulen f{\"u}r angewandte Wissenschaften (HAW) kommt als regionalen Innovationstreibern eine gesellschaftliche Verantwortung durch ihre Zusammenarbeit mit Unternehmen und Gesellschaft zu. Diese Zusammenarbeit geschieht im Rahmen von Aktivit{\"a}ten des Wissens- und Technologietransfers. Die Beurteilung des Erfolgs dieser Transferaktivit{\"a}ten verursacht jedoch regelm{\"a}ßig Schwierigkeiten, da geeignete Indikatoren zur Erfolgsmessung fehlen. Im Rahmen des vom Bundesministerium f{\"u}r Bildung und Forschung (BMBF) gef{\"o}rderten Verbundforschungsprojektes Transfer_i wurde ein Modell zur Objektivierung und Messung von Forschungsleistung, forschungsbasiertem Transfer sowie dessen Umsetzung am Markt in Form von Innovationen erarbeitet. Mit dem Forschungsprojekt wurden kausale Zusammenh{\"a}nge f{\"u}r das Gelingen von Transfer identifiziert und daraufhin entsprechende Indikatoren definiert, um auf dieser Basis die Steuerung von Transferprozessen zu erm{\"o}glichen. In diesem Beitrag werden zwei im Projekt Transfer_i entwickelte Modelle und Indikatoren vorgestellt, die die Voraussetzungen f{\"u}r einen erfolgreichen Transferprozess abbilden k{\"o}nnen. Auf dieser Grundlage zeigen wir anhand eines Projekts (MAGGIE) der Ostbayerischen Technischen Hochschule (OTH) Regensburg mit mehreren regionalen Partnern, wie die vorher definierten Modelle und Indikatoren in einem konkreten Anwendungsfall verwendet werden k{\"o}nnen. Abschließend beschreiben wir die erforderlichen Rahmenbedingungen f{\"u}r die erfolgreiche Umsetzung von Transfer an Hochschulen und wie darauf bezogene Indikatoren effektiv eingef{\"u}hrt werden k{\"o}nnen.}, subject = {Angewandte Forschung}, language = {de} } @inproceedings{BlaabjergKarlsenDecuzardeCastroPiparsetal., author = {Blaabjerg Karlsen, Tobias and Decuzar de Castro, Karl Jhon and Pipars, Emils and Abdel Qader, Iyad Ahed Abdelrahman and Ilinca Sainz, Jose Dumitru and Srugys, Simas and Niebuhr, Oliver}, title = {In Tune With In-Poco? A New Device for Analyzing and Training the Interplay of Body Posture and Charismatic Speech Prosody}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7090}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70900}, pages = {132 -- 140}, abstract = {Our paper introduces a new technology for posture research and training: the INteractive POsture COrrector, IN-POCO. The device warns its users about unfavorable postures when speaking (e.g., sitting in video conferences) and is thus suitable as an aid for rhetoric trainers. In addition, IN-POCO can also collect time-aligned posture and speech signals for researching prosody-posture relationships in the speech sciences. We outline the motivation for the development of IN-POCO and describe the key technical specifications and operational characteristics. The paper concludes with a pilot experiment in which we provide initial evidence that, for a communicative (public) speaking task, posture does indeed affect speech prosody in gender-specific ways - in line with claims of rhetoric trainers and guidebooks, and such that an unfavorable (e.g,, humped) posture can be assumed to reduce the speaker's vocal charisma.}, language = {en} } @inproceedings{FrohnmaierFreisingerHoltetal., author = {Frohnmaier, Mariano and Freisinger, Steffen and Holt, Madeline Faye and Georges, Munir}, title = {NoiSLU: a Noisy speech corpus for Spoken Language Understanding in the Public Transport Domain}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7084}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70848}, pages = {86 -- 93}, abstract = {The use of local public transport requires the barrier-free purchase of a ticket. Travellers who are not proficient in the local language benefit from a multilingual human(ticket)machine voice interaction. This paper presents a nearly parallel audio dataset with 13218 annotated user queries from 20 speakers for English, German and Dutch. The domain-specific speech corpus can be understood as an evaluation dataset for future research in Spoken Language Understanding (SLU) and thus, it enables researches to improve the quality of human-machine interaction applications. Furthermore, we compare the SLU performance of different compositions of Automatic Speech Recognition (ASR) and Natural Language Understanding (NLU) models in baseline experiments on different test datasets.}, language = {en} } @inproceedings{KettlerHillmann, author = {Kettler, Benedict and Hillmann, Stefan}, title = {Supervised vs. Zero-Shot Learning Automatic Classification of Comments on Educational Videos Using Pre-Trained Language Models}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7092}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70928}, pages = {149 -- 156}, abstract = {Despite the potential of AI, only a small percentage of small and medium-sized enterprises (SMEs) are adopting it due to data issues, expertise gaps, and implementation barriers. Zero-shot learning offers a promising approach for SMEs by minimizing these obstacles. This paper explores the use of zero-shot learning in a real-world NLP classification task on online comments (comparable with intent classification tasks) from the e-learning platform Sofatutor. While finetuning has achieved high accuracy (82.3-86.5\%), zero-shot models have shown lower performance (39.3-61.4\%) due to different label selection, grouping of different scenarios in one class and the type of classification task. Even if the current accuracy is not sufficient for practical application, pre-filtering the data using zeroshot learning might be a promising option for SMEs.}, language = {en} } @inproceedings{RajasekharLeschanowskyPeters, author = {Rajasekhar, Anjana and Leschanowsky, Anna and Peters, Nils}, title = {Towards Speech Privacy Assessment for Voice Assistants: Exploring Subjective and Objective Measures for Babble Noise}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7088}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70885}, pages = {116 -- 123}, abstract = {The growing prevalence of voice assistants has sparked privacy concerns with respect to content privacy and potential human-based attacks such as eavesdropping which make users feel uncomfortable utilizing them in public. To address these challenges, understanding human privacy perceptions in acoustic environments becomes paramount. This understanding can empower voice assistants to accurately quantify privacy perceptions, adapt conversational patterns, and ultimately enhance human-machine interaction. This study draws inspiration from human-tohuman interactions and previous research on acoustic privacy, to quantify privacy perceptions in environments characterized by babble noise. The primary objective is a comprehensive evaluation of both objective and subjective measures to quantitatively capture privacy perceptions in acoustic environments.}, language = {en} } @inproceedings{HuberLieblWirsching, author = {Huber-Liebl, Markus and Wirsching, G{\"u}nther}, title = {Ein quantenlogisch motivierter Ansatz zur Verarbeitung von {\"A}ußerungs-Bedeutungspaaren}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7085}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70857}, pages = {94 -- 101}, abstract = {Wir repr{\"a}sentieren eine Bedeutung als Liste von Mustersignalen, und unser Ziel ist es, ein weiteres ankommendes Signal damit zu vergleichen. Die Quantenlogik motiviert die Verwendung von Orthogonalprojektoren, um die gesuchte {\"A}hnlichkeit als Projektionswahrscheinlichkeit darzustellen. Die Ergebnisse des quantenlogischen Verfahrens h{\"a}ngen davon ab, in welcher Weise die Signale vorverarbeitet werden. In diesem Aufsatz untersuchen und diskutieren wir vier verschiedene M{\"o}glichkeiten der Vorverarbeitung.}, language = {de} } @inproceedings{JahnkeSonnenWalther, author = {Jahnke, Thorben Frank and Sonnen, Corinna and Walther, Mathias}, title = {Konzept und Evaluation eines Softwaresystems zur Unterst{\"u}tzung der CRM-basierten Sprechwirkungsuntersuchung}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7089}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70893}, pages = {124 -- 131}, abstract = {Das Continuous-Response-Measurement-Verfahren bildet durch die kontinuierliche Bewertungsm{\"o}glichkeit eine wichtige Erg{\"a}nzung zu den g{\"a}ngigen Methoden im Repertoire der Wirkungsforschung. Um diesen Mehrwert voll aussch{\"o}pfen zu k{\"o}nnen, wird als Verfahrensoptimierung die Entwicklung einer Softwarel{\"o}sung vorgestellt. Die {\"U}berpr{\"u}fung des optimierten CRM-Verfahrens erfolgt mittels eines Anwendungsfalls aus der sprechwissenschaftlichen Telekommunikationsforschung im Rahmen eines User-Acceptance-Tests. Dabei wird die Funktionalit{\"a}t und Bedienerfreundlichkeit der entwickelten CRM-Softwarel{\"o}sung unter Beachtung der f{\"u}r die Sprechwirkungsforschung relevanten Kriterien in Form einer A-BStudie getestet. Das Gesamtergebnis des User-Acceptance-Tests f{\"a}llt f{\"u}r die Software Evalue positiv aus. Mit Hilfe der Verfahrensoptimierung des CRM-Verfahrens ist eine variabel einsetzbare und damit vielf{\"a}ltig nutzbare CRM-Softwarel{\"o}sung entstanden.}, language = {de} } @inproceedings{VenkateswaranBoeck, author = {Venkateswaran, Siddarth and B{\"o}ck, Ronald}, title = {Can Language Models Behave Like Wine Sommeliers? - Using Multiple Agents To Evaluate The Quality of Wine Descriptors Generated By Llama 2}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7091}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70911}, pages = {141 -- 148}, abstract = {Wines are complex beverages whose taste can be described either numerically or textually, with the former involving the rating of the intensities of different aroma characteristics often with the help of a wine tasting wheel, and the latter with the help of crisp terms often in a poetic fashion. These are often done with the help of wine sommeliers who with one sniff can describe the wine. Usually, each sommelier has a unique style when it comes to textually describing a wine, research has shown that such differences have no negative impact in correctly classifying wines on the basis of their color, grape variety, region etc. Given the recent advancements in the field of Natural Language Processing, especially with the emergence of Large Language Models, we aim to check the capability of Llama 2 in its ability to generate texts pertaining to a specific color of a wine, given a list of aroma intensities as input prompts. In our experiments, we relied on data from Meininger and Falstaff, and on a combination of domain adaptation and pseudo-labeling techniques to create the corpus to train the Llama 2 model on. Also, we relied on a voting scheme of three differently trained classifiers to evaluate the wine-color specific text generation capabilities of Llama 2. Additionally, we employed the services of domain experts to evaluate the quality of a sample set of texts that was generated by Llama 2.}, language = {en} } @inproceedings{BirkholzZhang, author = {Birkholz, Peter and Zhang, Xinyu}, title = {An Investigation of Acoustic Features of the Lower Vocal Tract for Speaker Recognition}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7087}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70870}, pages = {108 -- 115}, abstract = {Speaker recognition systems often use mel-scaled cepstral coefficients (MFCCs) as main features. In contrast to MFCCs, Godoy et al. (2015) proposed a different type of short-term spectral analysis that provides features related to the lower vocal tract (LVT). They are calculated as the ratio of the acoustic shorttime spectra during the closed and open phases of the glottal oscillation cycles based on a pitch-synchronous analysis. These features were suggested to be particularly speaker-specific and might therefore be suitable to substitute or complement MFCCs in speaker recognition systems. The present study investigated the benefit of these features in an i-vector-based speaker recognition system. Using the LVT features alone, the system achieved a speaker recognition rate of 92.3\% with 63 enrolled speakers. When the LVT features were fused with conventional MFCC features, the recognition rate was about equal to the recognition rate using MFCC features alone (> 98\%).}, language = {en} } @inproceedings{DraxlerPoemp, author = {Draxler, Christoph and P{\"o}mp, Julian}, title = {Octra Backend - Eine skalierbare Infrastruktur f{\"u}r Transkriptionsprojekte}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7086}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70867}, pages = {102 -- 107}, abstract = {Octra Backend ist eine portable web-basierte Infrastruktur f{\"u}r Transkriptionsprojekte, die lokal im Feld oder gesch{\"u}tzten Bereichen, im begrenzten Intranet oder weltweit erreichbar im Internet eingesetzt werden kann. Entwicklungsziele waren die Gew{\"a}hrleistung m{\"o}glichst hoher Sicherheitsanforderungen, eine gute Skalierbarkeit sowie eine einfache Installation auch ohne Administratorrechte. Octra Backend ist in Node.js implementiert und f{\"u}r MacOS, Windows und Linux verf{\"u}gbar.}, language = {de} } @misc{OPUS4-7129, title = {Sprachassistenten: Anwendungen, Implikationen, Entwicklungen}, editor = {Baumann, Timo and Siegert, Ingo}, address = {Regensburg}, organization = {Verband Deutscher Elektrotechniker. Informationstechnische Gesellschaft}, doi = {10.35096/othr/pub-7129}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-71292}, abstract = {Der zweite ITG-Workshop „Sprachassistenten - Anwendungen, Implikationen, Entwicklungen" fand am 5. M{\"a}rz 2024 in Regensburg statt. Er bot eine organisatorische und inhaltliche Fortf{\"u}hrung des ersten Workshops vor vier Jahren in Magdeburg 2020. Auch in diesem Jahr war er wieder der Konferenz Elektronische Sprachsignalverarbeitung angegliedert. Auf dem Workshop wurden vielf{\"a}ltige und interdisziplin{\"a}re Beitr{\"a}ge in eingeladenen Vortr{\"a}gen und als eingereichte Poster pr{\"a}sentiert. Durch die gute Mischung von Beitragenden sowohl aus der Hochschullandschaft als auch aus der Industrie wurden die verschiedensten Aspekte anwendungsnah diskutiert.}, subject = {Digitaler Sprachassistent}, language = {de} } @inproceedings{MousaviSaeedSarfjooGrawunder, author = {Mousavi, Neda and Saeed Sarfjoo, Seyyed and Grawunder, Sven}, title = {Unsupervised emotional pattern recognition using rhythmic and vocal features}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7102}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-71026}, pages = {233 -- 240}, abstract = {In this study, we address the complex dynamics of emotional speech and comprehensively examine the integration of rhythmic and vocal features to recognize emotional patterns. Our exploration is conducted using two German emotional corpora: VMEmo and EmoDB. Employing a combination of supervised methods (here linear discriminant analysis, LDA) and unsupervised techniques (here k-means clustering), we aim to uncover nuanced patterns within the emotional speech in these corpora. The application of LDA highlights salient patterns across different feature sets and focuses on the classification of speakers and prosodic characteristics. In addition, k-means clustering uncovers latent structures that reveal subtle mapping between emotions and speech behavior. Our results suggest that it is possible to cluster data based on prosodic behaviors that are influenced by emotional changes. Although precise mapping to the actual clusters derived from emotional labels could not be fully achieved, the results nonetheless reveal a moderate level of success in this investigation.}, language = {en} } @inproceedings{IbrahimYuenXueetal., author = {Ibrahim, Omnia and Yuen, Ivan and Xue, Wei and Andreeva, Bistra and M{\"o}bius, Bernd}, title = {Listener-Oriented Consequences of Predictability-Based Acoustic Adjustment}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7098}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70984}, pages = {196 -- 202}, abstract = {This paper investigated whether predictability-based adjustments in production have listener-oriented consequences in perception. By manipulating the acoustic features of a target syllable in different predictability contexts in German, we tested 40 listeners' perceptual preference for the manipulation. Four source words underwent acoustic modifications on the target syllable. Our results revealed a general preference for the original (unmodified) version over the modified one. However, listeners generally favored the unmodified version more when the source word had a higher predictable context compared to a less predictable one. The results showed that predictability-based adjustments have perceptual consequences and that listeners have predictability-based expectations in perception.}, language = {en} } @inproceedings{RanzenbergerBockletFreisingeretal., author = {Ranzenberger, Thomas and Bocklet, Tobias and Freisinger, Steffen and Georges, Munir and Glocker, Kevin and Herygers, Aaricia and Riedhammer, Korbinian and Schneider, Fabian and Simic, Christopher and Zakaria, Khabbab}, title = {Extending HAnS: Large Language Models For Question Answering, Summarization, And Topic Segmentation In An ML-based Learning Experience Platform}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7103}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-71032}, pages = {219 -- 224}, abstract = {The use of chatbots based on large language models (LLMs) and their impact on society are influencing our learning experience platform Hochschul-Assistenz-System (HAnS). HAnS uses machine learning (ML) methods to support students and lecturers in the online learning and teaching processes [1]. This paper introduces LLM-based features available in HAnS which are using the transcript of our improved Automatic Speech Recognition (ASR) pipeline with an average transcription duration of 45 seconds and an average word error rate (WER) of 6.66\% on over 8 hours of audio data of 7 lecture videos. A LLM-based chatbot could be used to answer questions on the lecture content as the ASR transcript is provided as context. The summarization and topic segmentation uses the LLM to improve our learning experience platform. We generate multiple choice questions using the LLM and the ASR transcript as context during playback in a period of 3 minutes and display them in the HAnS frontend.}, language = {en} } @incollection{KinoshitaDelcroixGannotetal., author = {Kinoshita, Keisuke and Delcroix, Marc and Gannot, Sharon and Habets, Emanu{\"e}l A. P. and Haeb-Umbach, Reinhold and Kellermann, Walter and Leutnant, Volker and Maas, Roland and Nakatani, Tomohiro and Raj, Bhiksha and Sehr, Armin and Yoshioka, Takuya}, title = {The REVERB Challenge: A Benchmark Task for Reverberation-Robust ASR Techniques}, series = {New Era for Robust Speech Recognition}, volume = {27}, booktitle = {New Era for Robust Speech Recognition}, editor = {Watanabe, Shinji and Delcroix, Marc and Metze, Florian and Hershey, John R.}, publisher = {Springer}, address = {Cham}, isbn = {978-3-319-64679-4}, doi = {10.1007/978-3-319-64680-0_15}, pages = {345 -- 354}, abstract = {The REVERB challenge is a benchmark task designed to evaluate reverberation-robust automatic speech recognition techniques under various conditions. A particular novelty of the REVERB challenge database is that it comprises both real reverberant speech recordings and simulated reverberant speech, both of which include tasks to evaluate techniques for 1-, 2-, and 8-microphone situations. In this chapter, we describe the problem of reverberation and characteristics of the REVERB challenge data, and finally briefly introduce some results and findings useful for reverberant speech processing in the current deep-neural-network era.}, language = {en} } @inproceedings{KisserBuschSiegert, author = {Kisser, Lea and Busch, Matthias and Siegert, Ingo}, title = {Review of Usage and Potentials of Conversational Interfaces at Universities and in Students Daily Lifes}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7078}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70789}, pages = {38 -- 45}, abstract = {The continuous advancement of digitization extends beyond educational institutions, giving rise to numerous innovations, particularly in the realm of study information [1]. One avenue for incorporating digital methodologies involves leveraging conversational agents (CAs) [2], serving as interactive interfaces bridging the gap between humans and computers. In the broader context, conversational agents are gaining prominence, offering several benefits to their users. The overarching goal is to comprehensively assist users through these intelligent systems. Consequently, exploring existing university chatbots becomes imperative to discern the areas where they excel. This research aims to scrutinize diverse chatbot systems, delving into their use cases and the challenges they encounter, employing a systematic review. Here it turns out that chatbots support universities the most in the fields of administration, e-learning and mental health. Furthermore, the study will investigate practical experiences on the potential applications and implementation of these systems in university settings, incorporating insights from an online survey and interviews, both made with experts. Here it comes to conclusion that preparation in relation to a chatbot implementation is the key factor to success. Otherwise, a failed system is nearly impossible to be saved, once users lost trust in the system. Therefore, carefully made preparations in the technical and organisational field are necessary to provide a helpful assistant.}, language = {en} } @inproceedings{WaltherZeunerRykova, author = {Walther, Mathias and Zeuner, Elisabeth and Rykova, Eugenia}, title = {Interaktionsverhalten eines Avatars im digitalen sprachtherapeutischen Setting}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7077}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70774}, pages = {30 -- 37}, abstract = {Die Therapie-App aphaDIGITAL wird im Rahmen eines Forschungsprojekts entwickelt, um Menschen mit Aphasie im h{\"a}uslichen Umfeld zu unterst{\"u}tzen. Das Projekt kombiniert bew{\"a}hrte Therapiemethoden mit digitalen Technologien, einschließlich k{\"u}nstlicher Intelligenz und einem interaktiven Avatar namens Eva. Dieser Artikel betrachtet die Analyse und Entwicklung der Interaktionsmechanismen, die f{\"u}r eine digitale Assistenz von Aphasietherapie den gr{\"o}ßten Einfluss haben. Es wurden dazu reale Therapiesitzungen zwischen sprachgesch{\"a}digten Menschen und ihren Therapeuten konversationsanalytisch nach spezifischen Merkmalen untersucht. Darauf aufbauend wurde durch manuelle Animation ein prototypisches Mundbild modelliert und ein eigenes Artikulationssystem konzipiert, um ein entsprechend authentisches Modell der deutschen Artikulations- und Koartikulationsmuster abzubilden.}, language = {de} } @inproceedings{KanyTrouvain, author = {Kany, Valentin and Trouvain, J{\"u}rgen}, title = {Computergest{\"u}tzte Bestimmung des Sprechflusses bei Vorschulkindern}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7081}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70819}, pages = {62 -- 69}, abstract = {Die vorliegende Studie untersucht, inwiefern sich die in der Phonetik verbreiteten Skripte zur automatisierten Feststellung von verschiedenen Aspekten des Sprechflusses von de Jong et al. zur Beurteilung des Sprachstands bei Kindern eignen und in welcher Art und Weise die Methodik angepasst werden k{\"o}nnte. Dazu wurden Sprachdaten von Vorschulkindern mit Deutsch als Muttersprache bzw. als Zweitsprache mithilfe eines Serious Game zur Sprachstandserhebung elizitiert. Die Audiodaten wurden bez{\"u}glich Artikulationsrate, Pausen und F{\"u}llpartikeln sowohl automatisiert durch die Skripte als auch manuell annotiert. Die Ergebnisse zeigen, dass sich die Skripte zur Ermittlung der Artikulationsrate mit einer relativ hohen {\"U}bereinstimmung mit der manuellen Ermittlung zur Verwendung in Sprachstandserhebungsverfahren eignen. Auch die automatische Erkennung von Sprechpausen weist einen hohen Precision-Wert auf und k{\"o}nnte als Instrument in Sprachstandserhebungen verwendet werden. Eine solche Verwendung w{\"u}rde mit einer Erweiterung um die hier vorgestellte manuelle Methode zum Annotieren von disfluenten und nicht disfluenten Pausen profitieren. Bei den F{\"u}llpartikeln stellte sich die automatisierte Klassifizierung hingegen als weniger geeignet heraus. Hier wurde keine hohe {\"U}bereinstimmung mit der menschlichen Annotation festgestellt. Um in der Praxis Verwendung finden zu k{\"o}nnen, muss diese Methode noch erweitert werden, zum Beispiel durch Miteinbeziehen der Pausenerkennung.}, language = {de} } @inproceedings{EliseevaYuenMoebius, author = {Eliseeva, Uliana and Yuen, Ivan and M{\"o}bius, Bernd}, title = {Perception of Formant Distortion in German Words and Non-words}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7079}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70793}, pages = {46 -- 53}, abstract = {Concatenative text-to-speech (TTS) systems remain a widely used cheaper alternative to neural TTS systems. Yet concatenation of prerecorded units entails some drawbacks, such as spectral distortion, the perceptual consequences of which remain unclear. In an attempt to bridge this gap, our study focused on the effect of spectral distortion in vowel formants on perceived speech quality in naturally-read manipulated German words as well as non-words. More specifically, we explored the distortion effect on a varying number of affected formants, at different magnitude and directionality in two corner vowels /a:/ and /i:/. The results indicate that single formant manipulations have a less pronounced effect on the listeners' perception compared to multiple formant perturbations. The threshold at which the distortion became generally audible was estimated to lie between 0.4 and 1.0 bandwidth. The directionality of the distortion was not found to be significant.}, language = {en} } @inproceedings{KuhnWolffBorislavov, author = {Kuhn, Johannes and Wolff, Matthias and Borislavov, Borislav}, title = {Epsilon-Verarbeitung bei minimalistischen Grammatiken f{\"u}r Zahlen}, series = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, booktitle = {Elektronische Sprachsignalverarbeitung 2024, Tagungsband der 35. Konferenz, Regensburg, 6.-8. M{\"a}rz 2024}, editor = {Baumann, Timo}, publisher = {TUDpress}, address = {Dresden}, isbn = {978-3-95908-325-6}, doi = {10.35096/othr/pub-7083}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-70830}, pages = {78 -- 85}, abstract = {Um bei Minimalistischen Grammatiken (MG) {\"U}bergenerierung zu vermeiden, kann man Eintr{\"a}ge mit leeren Exponenten (ε-Eintr{\"a}ge) verwenden. Ein Eintrag besteht aus einem Exponenten, der die {\"A}ußerung oder Schrift eines Wortes repr{\"a}sentiert, einer Merkmalsliste, welche die Syntax kodiert und einem λ-Ausdruck, der die Semantik repr{\"a}sentiert. Leere Eintr{\"a}ge f{\"u}hren allerdings zu einer schlechteren Verwendbarkeit der Grammatik f{\"u}r das Parsen. Die vorliegende Arbeit wird ein Umformungsalgorithmus f{\"u}r MGs vorstellen, sodass die Anzahl der ε-Eintr{\"a}ge verringert werden kann, um sie wieder f{\"u}r Parser verwendbar zu machen. Hierzu werden die ε-Eintr{\"a}ge mit den anderen Eintr{\"a}gen vorverarbeitet und dadurch neue Eintr{\"a}ge geschaffen. Die nun {\"u}berfl{\"u}ssigen ε-Eintr{\"a}ge k{\"o}nnen dann problemlos entfernt werden. Der Algorithmus wurde anhand von {\"u}ber 260 Zahlwortgrammatiken getestet.}, language = {de} }