Welcome to the ProSub1415 web

Available Information

• amara - the free web platform for subtitling used by XXC3
• amara's source code
• The 30C3 subtitle status page
  • VideoNotes
• Long audio alignment with sphinx
• Sphinx Whitepaper

• GIT: http://bitbucket.org/natsuhh/prosub
• Collaboration/Chat: please sign up with: https://prosub.hipchat.com/invite/187815/698f920b2ee41f7d1952c00efc22dbab
• Data: /informatik/isr/nats/projects/subtitling
• Documentation/Results: in this Wiki.
• Information on using the compute cluster https://ep.mafiasi.de/p/ccblade-howto
• Data formats / editors / viewers:
  • http://annotation.exmaralda.org/index.php/Linguistic_Annotation

• Text in einzelne Sätze und Wörter teilen (Tokenisierung)
• Text normalisieren ("USB" --> ju es bi (oder $U $S $B), "1985" --> neun zehn hundert fünf und achtzig)
• Alignieren (normalisierte Wörter und Audio in Einklang bringen)
• alle Rückpointer zurückverfolgen, fertig!

• Tokenisation: NLTK.Punkt?, WASTE, JTok (in MaryTTS oder in heart-of-gold)
• Normalisierung: MaryTTS (DE und EN), eSpeak
• Aussprachemodellierung/Lexikon: SequiturG2P,
• Alignieren: Sphinx Long-Audio Alignment
• Daten-Haltung: XML+XPointer (=PAULA)
• Anzeigen/Editieren: via ANNIS, MMAX2?, amara.org, eigenes?

• Audioqualität

• ein Projektbericht von allen
• Abschlusspräsentation
• Kurzpräsentation?

1. Intro, Formalia, Arbeitsaufträge, Zeitplanung
2. Hausaufgabe: ein Video mit Transkription (und/oder Subtitles) intensiv studieren; Vortrag: Einführung in die Spracherkennung (Timo), kleines Tutorium zum Forced Alignment
3. Vortrag: XML/XPath/XPointer
10. Prototyp fertig

4. Präsentation der Ergebnisse (26. oder 28. Januar 2015)