Zainkó Csaba and Csapó Tamás Gábor and Bartalis Mátyás and Németh Géza and Németh Norbert and Szász Gábor Krisztián and Szviridov István: Magyar nyelvű neurális beszédszintézis vizsgálata dialógus helyzetben.
Preview |
Cikk, tanulmány, mű
msznykonf_019_145-158..pdf Download (669kB) | Preview |
Abstract
Jelen tanulmányban olyan mély neurális hálózat alapú beszédszintetizátor rendszert (DNN-TTS) mutatunk be, amely hangsorozat bemenetet vár és a beszéd hullámformáját két lépésben állítja elő, melspektrogram köztes reprezentációt használva. Részletesen bemutatjuk és összehasonlítotjuk a Tacotron2+WaveGlow és FastPitch+HiFi-GAN (tőlünk független) rendszereket és komponenseiket. A magyar nyelvű adatokon végzett saját kísérletekben három beszélővel (két női és egy férfi) generálunk szintezitált beszédmintákat. Szubjektív, MUSHRA típusú meghallgatásos tesztjeink során a tesztalanyok a DNN-TTS beszédszintetizátorral előállított mondatokat lényegesen természetesebbnek minősítették, mint a HMM-TTS alaprendszert. A szintetizált beszédminták minősége (természetessége) ugyan nem éri el a természetes beszéd szintjét, de közel áll hozzá (Tacotron2: 58%, FastPitch: 73%, természetes: 89%). Összességében a tesztelők a FastPitch rendszert preferálták a Tacotron2-vel szemben természetesség szempontjából. A ChatBot dialógusba ágyazott tesztek eredménye szerint a női beszélők preferáltak, és a DNN-TTS rendszerekkel előállított beszéd érthetőbb, természetesebb, mint a HMM-TTS alaprendszer, és tesztelők a válaszokat is relevánsabbnak és részletesebbnek érezték az alaprendszerhez képest.
| Item Type: | Conference or Workshop Item |
|---|---|
| Journal or Publication Title: | Magyar Számítógépes Nyelvészeti Konferencia |
| Date: | 2023 |
| Volume: | 19 |
| ISBN: | 978-963-306-912-7 |
| Page Range: | pp. 145-158 |
| Language: | Hungarian |
| Place of Publication: | Szeged |
| Event Title: | Magyar számítógépes nyelvészeti konferencia (19.) |
| Event Type: | Conference |
| Event Location: | Szeged |
| Event Dates: | 2023. január 26-27. |
| Related URLs: | https://acta.bibl.u-szeged.hu/78307/ |
| Uncontrolled Keywords: | Nyelvészet - számítógép alkalmazása, Beszédtechnológia |
| Additional Information: | Bibliogr.: p. 157-158. ; ill. ; összefoglalás magyar nyelven |
| Subjects: | 01. Natural sciences 01. Natural sciences > 01.02. Computer and information sciences 06. Humanities 06. Humanities > 06.02. Languages and Literature |
| Date Deposited: | 2023. Mar. 16. 07:53 |
| Last Modified: | 2023. Mar. 16. 07:53 |
| URI: | http://acta.bibl.u-szeged.hu/id/eprint/78410 |
Actions (login required)
 |
View Item |
