Deutsche Sprachsteuerung für ein Infotainment-System eines Autoherstellers
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen deutschsprachigen Befehls-Datensatz (rund 5.000 Audio-Clips mit 60 Infotainment-Befehlen wie 'Navigation nach Stuttgart starten' oder 'Klima auf 21 Grad setzen') sowie Fahrgeräusch-Aufzeichnungen aus einem Test-Fahrzeug (Autobahn, Stadt, Tunnel — jeweils 30 Minuten). Setze ein vortrainiertes deutsches ASR-Modell (z. B. wav2vec2 oder Whisper Small) auf, baue eine Augmentations-Pipeline, die Fahrgeräusche dem sauberen Audio überlagert, und reportiere Wort-Fehler-Rate (Word Error Rate — WER) pro Geräusch-Bedingung und Befehl. Liefere das Modell, eine Auswertungstabelle und ein 2-seitiges Memo zur Empfehlung für die nächste Iteration.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine deutsche On-Device-ASR-Baseline für 60 Infotainment-Befehle und benchmarke sie in realistischer Fahr-Geräuschkulisse.
Earning criteria — what you'll demonstrate
- Vortrainierte Sprach-Modelle für eine Domäne (Auto-Befehle) anpassen
- Wort-Fehler-Rate als Standard-ASR-Metrik korrekt berechnen und stratifizieren
- Audio-Augmentation für realistische Bedingungen aufsetzen
- Iterations-Empfehlungen für ein R&D-Team verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenNLP-Ingenieur:in
Sprach-Modelle für eine konkrete Domäne anzupassen und in realistischer Geräuschkulisse zu evaluieren ist die typische NLP-Tagesarbeit in Automobil- und Sprachassistenz-Teams.
Dieses Projekt schärft
- speech-recognition
- audio-processing
- evaluation
Maschinelles-Lernen-Ingenieur:in
Eine Modell-Pipeline mit Augmentations-Strategie und stratifizierten Reports zu liefern, ist Kerntagesarbeit für MLE in produktnahen Engineering-Teams.
Dieses Projekt schärft
- pytorch
- data-augmentation
- evaluation
Angewandte:r KI-Wissenschaftler:in
Iterations-Empfehlungen aus stratifizierten Metriken zu schreiben ist Brückenarbeit zwischen Forschung und Produkt, die angewandte KI-Wissenschaftler:innen leisten.
Dieses Projekt schärft
- evaluation
- data-augmentation
- speech-recognition
Noch eine Sache