هدف این درس آشنایی دانشجویان کارشناسی ارشد و دکترا با مفاهیم مطرح در پردازش گفتار و کاربردهای مختلف آن و نیز روش‌های پایه و روش‌های جدید در هریک از زمینه‌های کاربردی است. در ابتدا مروری بر مفاهیم و تعاریف مربوط به پردازش علائم دیجیتال و نیز آمار و احتمال مهندسی انجام می‌گیرد. سپس ساختار تکلمی و شنوایی انسان و مباحث آواشناسی تکلمی و آواشناسی صوتی آموزش داده می‌شود. همچنین مدل پیشگویی خطی ارائه می‌شود. سپس کاربردهای مطرح در پردازش گفتار شامل فشرده‌سازی و کدینگ گفتار براساس شکل موج و نیز وکدرها، روش‌های سنتز گفتار، معیارهای ارزیابی کیفیت سیگنال گفتاری و نیز اصول بازشناسی گفتار و روش‌های آن در کلاس بحث می‌شود.

1. مروری بر مفاهیم پردازش سیگنال: بررسی زمان-فرکانس، تبدیل فوریه زمان کوتاه
2. مروری بر احتمال و فرآیندهای تصادفی
3. ساختار تکلمی و ساختار شنوایی انسان
4. آواشناسی و واج‌شناسی
   • بررسی واج‌های زبان انگلیسی
   • بررسی واج‌های زبان فارسی
5. طیف‌نگار گفتار و نحوه خواندن آن
6. مدل پیشگویی خطی
7. فشرده سازی و کدکردن گفتار
   • کدگذاری شکل موج : PCM, DPCM, ADPCM، DM
   • وکدرها: وکدر کانال، وکدر فاز، وکدر فرمنت، LPC10، RELP، MPLPC ، CELP، VSELP، MELP، MBE
8. مدل پنهان مارکوف و حل مسائل سه‌گانه آن
   • روش آموزش باوم-ولش
   • الگوریتم ویتربی
9. سنتز گفتار
   • انواع سنتز گفتار، انتخاب واحدهای آوایی
   • روش‌های الحاقی، روش انتخاب واحد
   • مدل Klatt
   • سنتز مبتنی بر مدل پنهان مارکوف
   • سنتز مبتنی بر شبکه‌های ژرف
10. ارزیابی کیفیت گفتار
    • روش‌های ذهنی و عینی، کیفیت و قابلیت فهم گفتار،
    • DRT، MRT، MOS، DAM، AI، SNR، Itakura، PESQ
11. بازشناسی گفتار
    • تعاریف، رویکردها، دسته‌بندی سامانه‌های بازشناسی
    • نظریه‌های مطرح در بازشناسی گفتار
    • مدل زبانی، مدل آکوستیکی

• تکالیف تئوری و عملی: ۲۰٪
• کوییزها: ۱۵٪
• پروژه درسی: ۱۰٪
• امتحان نیم‌ترم: ۲۵٪
• امتحان پایان ترم: ۳۰٪