392264 Project: SemanticSpeak: Development of a framework for image/video generation from speech using generative AI (Pj) (SoSe 2026)

Inhalt, Kommentar

Current AI systems can generate images and videos from text prompts. However, generating visual content directly from speech remains a challenging problem, as speech contains not only linguistic information but also tone, emotion, and prosody.
This project explores how semantic representations extracted from speech can drive visual generation using generative AI models.
The goal is to design and implement a prototype pipeline that maps speech features to semantic embeddings compatible with visual generative models. The speech-to-image or speech-to-video generation pipeline will be trained and evaluated using multimodal datasets.

Depending on the number of students and project scope, the project can also include:
• Evaluation of the alignment between generated visuals and spoken input
• Analysis of the influence of prosody and emotion
• Comparison of direct speech-based vs. speech-to-text-based pipelines

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

• Good programming skills with Python
• Basic knowledge of machine learning/deep learning
• Interest in generative AI
• Preferably experience or a very strong interest in speech processing (e.g. speech recognition, speech-to-text, ...)
Upon completion of this project, we will work hand in hand to publish the results in a well-established conference or journal in Human–Computer Interaction (HCI) or Computer Vision (CV)

Lehrende

Termine ( Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  
nach Vereinbarung n.V.   13.04.-24.07.2026 Nach Vereinbarung, online, CITEC oder R.1

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-M-Inf-AI-app-foc_a Applied Artificial Intelligence (focus) Applied Artificial Intelligence (focus) Applied Artificial Intelligence (focus): Projekt Studienleistung
Studieninformation
39-M-Inf-INT-app-foc_a Applied Interaction Technology (focus) Applied Interaction Technology (focus) Applied Interaction Technology (focus): Projekt Studienleistung
Studieninformation

Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.


Keine Konkretisierungen vorhanden
Kein E-Learningangebot vorhanden
Adresse:
SS2026_392264@ekvv.uni-bielefeld.de
Lehrende, ihre Sekretariate sowie für die Pflege der Veranstaltungsdaten zuständige Personen können über diese Adresse E-Mails an die Veranstaltungsteilnehmer*innen verschicken. WICHTIG: Sie müssen verschickte E-Mails jeweils freischalten. Warten Sie die Freischaltungs-E-Mail ab und folgen Sie den darin enthaltenen Hinweisen.
Falls die Belegnummer mehrfach im Semester verwendet wird können Sie die folgende alternative Verteileradresse nutzen, um die Teilnehmer*innen genau dieser Veranstaltung zu erreichen: VST_720232759@ekvv.uni-bielefeld.de
Hinweise:
Weitere Hinweise zu den E-Mailverteilern
Letzte Änderung Grunddaten/Lehrende:
Dienstag, 26. Mai 2026 
Letzte Änderung Zeiten:
Samstag, 25. April 2026 
Letzte Änderung Räume:
Samstag, 25. April 2026 
Art(en) / SWS
Projekt (Pj) / 2
Einrichtung
Technische Fakultät
Fragen oder Korrekturen?
Fragen oder Korrekturwünsche zu dieser Veranstaltung?
Planungshilfen
Terminüberschneidungen für diese Veranstaltung
Link auf diese Veranstaltung
Wenn Sie diese Veranstaltungsseite verlinken wollen, so können Sie einen der folgenden Links verwenden. Verwenden Sie nicht den Link, der Ihnen in Ihrem Webbrowser angezeigt wird!
Der folgende Link verwendet die Veranstaltungs-ID und ist immer eindeutig:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=720232759
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern
ID
720232759