Razvoj sistema za pretvorbo besedil v govor z globokimi nevronskimi mrežami : magistrsko delo

Bratina, Matevž

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Razvoj sistema za pretvorbo besedil v govor z globokimi nevronskimi mrežami : magistrsko delo
Avtorji:	ID Bratina, Matevž (Avtor) ID Rojc, Matej (Mentor) Več o mentorju...
Datoteke:	MAG_Bratina_Matevz_2021.pdf (3,01 MB) MD5: F8735A0E177C83E13AF7AB07D532B402 PID: 20.500.12556/dkum/02827375-9289-4938-88cc-61a50c5b4a89
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	V magistrski nalogi smo razvili sistem pretvorbe besedila v govor PLATTOS za več jezikov. Sistem bazira na osnovi globokih nevronskih mrež. Osnovni cilj naloge je bil razviti in testirati sistem sinteze govora na osnovi globokega učenja, ki bo čim bolje generiral govor v več jezikih, pri čemer je tudi pomemben čas generiranja. Prvi del naloge tako predstavlja pregled tehnologij sistemov sinteze govora in njihova podrobnejša analiza. Zanimala nas je namreč arhitektura sistema sinteze govora, medsebojna primerjava zmogljivosti sistemov, njihov razvoj in kvaliteta sintetiziranega signala, ki ga določen TTS lahko generira. Sledila je izbira tehnologije globokega učenja, in razvoj novega TTS sistema. Izbrali smo tisto, ki je izkazovala največji potencial, da izpolni vse zastavljene cilje. Sledil je razvoj TTS sistema. Za prvo stopnjo (pretvorba vhodnega besedila v spektrogram) smo izbrali Tacotron globoki model. Ta je namenjen pretvorbi spektrogramov v pripadajoči govorni signal. V drugi stopnji, smo izbrali vokoder Waveglow. Pred izbiro komponent sistema, smo različne tipe vokoderjev in rekonstrukcijskih algoritmov tudi testirali. Sistem TTS na osnovi globokih nevronskih mrež PLATTOS smo testirali na različnih prosto dostopnih bazah govornih podatkov večih jezikov. Ocenjevali in primerjali smo tudi kvaliteto sinteze govora različnih arhitektur z globokimi nevronskimi mrežami. Kot kriterij kvalitete sinteze govora, smo bili predvsem pozorni na naravnost in razumljivost sintetiziranega govora. Pri ocenjevanju kvalitete smo tako uporabili subjektivne MUSHRA teste. Pokazalo se je, da kombinacija globokih nevronskih modelov Tacotron in Waveglow zagotovi najboljše rezultate v večih jezikih, kar se tiče kvalitete sintetiziranega govora in hitrosti generiranja odziva.
Ključne besede:	globoko učenje, nevronska mreža, sinteza govora, umetna inteligenca, Pytorch, Tensorflow, Tacotron, Waveglow, Wavenet, WaveRNN
Kraj izida:	Maribor
Kraj izvedbe:	Maribor
Založnik:	[M. Bratina]
Leto izida:	2021
Št. strani:	XII, 99 str.
PID:	20.500.12556/DKUM-79655
UDK:	004.7(043.2)
COBISS.SI-ID:	86391299
Datum objave v DKUM:	18.10.2021
Število ogledov:	1051
Število prenosov:	128
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	09.08.2021

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Development of a text-to-speech system with deep neural networks
Opis:	In this master 's thesis, we developed a text-to-speech synthesis system PLATTOS for several languages based on deep neural networks. The main goal of the task was to develop and test a text-to-speech synthesis system based on deep learning techniques, which will best synthesise speech in several languages, where also speech generation time is important. The first part of the paper presents an overview of technologies regarding speech synthesis systems, and their detailed analysis. Namely, we were interested in the architecture of the text-to-speech synthesis system, the mutual comparison of several systems’ capabilities, their development and the speech quality that a certain TTS system is capable to generate. This was followed by the selection of deep learning technology, and the development of a novel TTS system PLATTOS, in which we recognized the potential to meet all our goals. This was followed by the development of the TTS system, where the Tacotron deep model for the first stage (conversion of input text into a spectrogram), and the Waveglow vocoder for the conversion of spectrograms into the corresponding speech signal in the second stage were finally selected, after testing several vocoders and reconstruction algorithms. The TTS system PLATTOS based on deep neural networks was tested on several freely accessible speech databases in several languages.We also evaluated and compared the quality of synthesized speech of several deep neural architectures. As a criterion for the quality of synthesized speech, we paid particular attention to the naturalness and intelligibility of the synthesized speech. Therefore, subjective MUSHRA tests were used to assess this quality. The combination of the Tacotron and Waveglow neural models has been shown to provide the best results in several languages in terms of the quality of synthesized speech and the speed of response generation.
Ključne besede:	deep learning, neural network, speech synthesis, artificial intelligence, Pytorch, Tensorflow, Tacotron, Waveglow, Wavenet, WaveRNN

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj