آموزش تطبیقی نزدیکترین همسایه/خوشه ای ترکیبی برای تطبیق سریع سخنران در سیستم های ترکیبی گفتار آماری
| عنوان | آموزش تطبیقی نزدیکترین همسایه/خوشه ای ترکیبی برای تطبیق سریع سخنران در سیستم های ترکیبی گفتار آماری |
|---|---|
| نویسنده | محمدی، امیر، دمیروغلو، جنک |
| تاریخ انتشار: | 2013 |
| محل انتشار | - انجمن بین المللی ارتباطات گفتار |
| موضوع | سنتز گفتار آماری، سازگاری با سخنران، آموزش تطبیقی خوشه ای، سازگاری صدای ویژه |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 9781629934433 |
| شماره ثبت | e72da822-5be8-4963-b726-475b4a5ce556 |
| محل کتابخانه | مهندسی برق و الکترونیک |
| تاریخ | 2013 |
| یادداشتها | با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است. |
| متن نمونه | روش سنتز گفتار آماری (SSS) به یکی از محبوب ترین روش ها در زمینه سنتز گفتار تبدیل شده است. مزیت رویکرد SSS توانایی سازگاری با یک بلندگوی هدف با چند دقیقه داده تطبیقی است. با این حال، بسیاری از برنامه ها، به ویژه در لوازم الکترونیکی مصرفی، نیاز به تطبیق تنها با چند ثانیه داده دارند که می تواند با استفاده از تکنیک های سازگاری صدای ویژه انجام شود. اگرچه چنین تکنیک هایی در تشخیص گفتار به خوبی کار می کنند، اما شناخته شده اند که مصنوعات ادراکی در سنتز گفتار آماری ایجاد می کنند. در اینجا، ما دو روش را برای کاهش آن مشکلات کیفی و بهبود شباهت سخنران بهدستآمده با الگوریتم انطباق صدای ویژه پایه پیشنهاد میکنیم. روش اول ما مبتنی بر استفاده از رویکرد بیزی برای محدود کردن الگوریتم سازگاری صدای ویژه برای حرکت در جهتهای واقعی در فضای بلندگو برای کاهش مصنوعات است. روش دوم ما مبتنی بر یافتن یک بلندگوی مرجع است که نزدیک به بلندگوی هدف باشد و از آن بلندگوی مرجع به عنوان مدل اولیه در مرحله دوم سازگاری صدای ویژه استفاده کنیم. هر دو تکنیک به طور قابل توجهی بهتر از روش صدای ویژه پایه در آزمونهای کیفیت ذهنی و شباهت عمل کردند. |
