سازگاری بلندگوی ویژه با حداقل داده برای سیستم‌های سنتز گفتار آماری با استفاده از رویکرد MAP و نزدیک‌ترین همسایگان

عنوان سازگاری بلندگوی ویژه با حداقل داده برای سیستم‌های سنتز گفتار آماری با استفاده از رویکرد MAP و نزدیک‌ترین همسایگان
نویسنده محمدی، امیر، سرفجو، سید سعید، دمیروغلو، جنک
تاریخ انتشار: 2014-12
محل انتشار - IEEE
موضوع آموزش تطبیقی ​​خوشه ای، سازگاری صدای ویژه، نزدیکترین همسایه، سازگاری با گوینده، ترکیب آماری گفتار
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 2329-9290
شماره ثبت 381836f7-5637-4ed5-aa56-4a55290fcaf5
محل کتابخانه مهندسی برق و الکترونیک
تاریخ 2014-12
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه سیستم‌های سنتز گفتار آماری (SSS) این توانایی را دارند که با چند دقیقه داده‌های انطباق با یک سخنران هدف سازگار شوند. توسعه الگوریتم‌های انطباق برای کاهش بیشتر تعداد گفته‌های انطباق به چند ثانیه داده می‌تواند تأثیر قابل‌توجهی بر استقرار این فناوری در برنامه‌های کاربردی واقعی مانند دستگاه‌های الکترونیکی مصرفی داشته باشد. روش سنتی برای دستیابی به چنین انطباق سریع، تکنیک صدای ویژه است که در تشخیص گفتار به خوبی کار می کند، اما شناخته شده است که مصنوعات ادراکی در سنتز گفتار آماری ایجاد می کند. در اینجا، ما سه روش را برای کاهش مشکلات کیفی الگوریتم انطباق صدای ویژه پایه پیشنهاد می‌کنیم در حالی که امکان تطبیق بلندگو با حداقل داده را فراهم می‌کنیم. روش اول ما مبتنی بر استفاده از رویکرد صدای ویژه بیزی برای محدود کردن الگوریتم سازگاری برای حرکت در جهت‌های واقعی در فضای بلندگو برای کاهش مصنوعات است. روش دوم ما مبتنی بر یافتن بلندگوهای مرجع از پیش آموزش‌دیده نزدیک به بلندگوی هدف و استفاده از آن مدل‌های بلندگوی مرجع در دومین تکرار تطبیق صدای ویژه است. هر دو تکنیک به طور قابل‌توجهی بهتر از روش صدای ویژه پایه در آزمون‌های هدف عمل کردند. به طور مشابه، هر دو کیفیت گفتار را در آزمون‌های ذهنی در مقایسه با روش صدای ویژه پایه بهبود بخشیدند. در روش سوم، استفاده پشت سر هم از روش صدای ویژه پیشنهادی با تکنیک تطبیق مبتنی بر رگرسیون خطی برای بهبود انطباق ویژگی‌های تحریک یافت می‌شود.
DOI 10.1109/TASLP.2014.2362009
Cilt 22
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

سازگاری بلندگوی ویژه با حداقل داده برای سیستم‌های سنتز گفتار آماری با استفاده از رویکرد MAP و نزدیک‌ترین همسایگان

نویسنده محمدی، امیر، سرفجو، سید سعید، دمیروغلو، جنک
تاریخ انتشار 2014-12
محل انتشار - IEEE
موضوع آموزش تطبیقی ​​خوشه ای، سازگاری صدای ویژه، نزدیکترین همسایه، سازگاری با گوینده، ترکیب آماری گفتار
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 2329-9290
شماره ثبت 381836f7-5637-4ed5-aa56-4a55290fcaf5
محل کتابخانه مهندسی برق و الکترونیک
تاریخ 2014-12
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه سیستم‌های سنتز گفتار آماری (SSS) این توانایی را دارند که با چند دقیقه داده‌های انطباق با یک سخنران هدف سازگار شوند. توسعه الگوریتم‌های انطباق برای کاهش بیشتر تعداد گفته‌های انطباق به چند ثانیه داده می‌تواند تأثیر قابل‌توجهی بر استقرار این فناوری در برنامه‌های کاربردی واقعی مانند دستگاه‌های الکترونیکی مصرفی داشته باشد. روش سنتی برای دستیابی به چنین انطباق سریع، تکنیک صدای ویژه است که در تشخیص گفتار به خوبی کار می کند، اما شناخته شده است که مصنوعات ادراکی در سنتز گفتار آماری ایجاد می کند. در اینجا، ما سه روش را برای کاهش مشکلات کیفی الگوریتم انطباق صدای ویژه پایه پیشنهاد می‌کنیم در حالی که امکان تطبیق بلندگو با حداقل داده را فراهم می‌کنیم. روش اول ما مبتنی بر استفاده از رویکرد صدای ویژه بیزی برای محدود کردن الگوریتم سازگاری برای حرکت در جهت‌های واقعی در فضای بلندگو برای کاهش مصنوعات است. روش دوم ما مبتنی بر یافتن بلندگوهای مرجع از پیش آموزش‌دیده نزدیک به بلندگوی هدف و استفاده از آن مدل‌های بلندگوی مرجع در دومین تکرار تطبیق صدای ویژه است. هر دو تکنیک به طور قابل‌توجهی بهتر از روش صدای ویژه پایه در آزمون‌های هدف عمل کردند. به طور مشابه، هر دو کیفیت گفتار را در آزمون‌های ذهنی در مقایسه با روش صدای ویژه پایه بهبود بخشیدند. در روش سوم، استفاده پشت سر هم از روش صدای ویژه پیشنهادی با تکنیک تطبیق مبتنی بر رگرسیون خطی برای بهبود انطباق ویژگی‌های تحریک یافت می‌شود.
DOI 10.1109/TASLP.2014.2362009
Cilt 22
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید