Aufgaben Im Rahmen dieser PhD Stelle entwickeln Sie neue KI-Methoden für die automatische Verarbeitung von Schweizerdeutscher Sprache. Konkret werden Sie neue Algorithmen und Modelle für die automatisch Transkription von Audioaufnahmen auf Schweizerdeutsch (Speech-to-Text) für Personen mit Sprachstörungen entwickeln. Die Challenge dabei ist, dass im Transkript allfällige Sprach- und Sprechfehler erhalten bleiben müssen. Solche "error-preserving STT-Modelle" sind eine notwendige Grundlage für den Einsatz von KI in der Logopädie, z.B. in der Diagnose von Alzheimer oder in der Therapie von Sprachstörungen bei Kindern. Error-preserving STT gibt es bereits für andere Sprache wie Englisch oder Deutsch, aber noch nicht für Schweizerdeutsch. Hier liegt die besondere Herausforderung u.a. in der Vielzahl der Dialekte und darin, dass es keine standardisierte Schriftsprache gibt.

Ihre Aufgaben umfassen insbesondere:

• Entwicklung neuer Speech-to-Text-Modelle für Schweizerdeutsch, die sprachliche Fehler erhalten (Error-Preserving Speech-to-Text)
• Training von modernen Deep-Learning-Modellen (z.B. Transformer-basierte Modelle wie wav2vec, HuBERT oder Whisper), zum Beispiel zur automatischen Erkennung und Klassifikation von Sprech/Sprach-Fehlern in Audio-Aufnahmen und/oder Transkripten
• Mitarbeit bei der Erhebung und Annotation von Sprachdaten (Schweizerdeutsch, Kinder und Erwachsene)
• Veröffentlichung von Forschungsergebnissen auf internationalen Top-Konferenzen (z. B. ACL, EMNLP)
• Zusammenarbeit mit Logopäd:innen, Linguist:innen und klinischen Partnern
• Co-Betreuung von Bachelor- und Masterarbeiten im Forschungsbereich
• Zusammenarbeit mit Logopäd:innen, Linguist:innen und klinischen Partnern
• Unterstützung in der Lehre