Santrauka
Tyrime nagrinėjama kalbos sintezė kalboms, turinčioms aukštą foneminės ortografijos laipsnį, daugiausia dėmesio skiriant kirčiuotų pavyzdžių žymoms Tacotron 2 mokyme. Darbas sprendžia natūralumo gerinimo problemą mažesnių resursų kalbose.
Autoriai
Arnas Radzevičius, Aistis Raudys, Pijus Kasparaitis
Kas vertinta tyrime
Vertinama, ar kirčio informacijos pridėjimas prie mokymo duomenų pagerina prozodiją ir suvokiamą kalbos kokybę. Daugiausia dėmesio skiriama lietuvių kalbai, kur rašybos ir tarimo atitikimas gana stiprus, tačiau kirtis ir ritmas vis tiek svarbūs natūraliai sintezei.
Pagrindinės išvados
Mokymas su kirčiuotų pavyzdžių žymomis pagerina sugeneruotos kalbos natūralumą pagal MOS vertinimą. Rezultatas rodo, kad net kalbose, kuriose rašyba palyginti skaidri, aiškiai pateikta kirčio informacija gali reikšmingai pagerinti neuroninės TTS sistemos rezultatą.
Darbas taip pat parodo, kad tikslinė lingvistinė anotacija gali būti vertinga tada, kai dideli kalbos duomenų rinkiniai neprieinami.
Kodėl tai svarbu
Aukštos kokybės kalbos sintezė turi būti prieinama ne tik didelių resursų kalboms. Šis tyrimas prisideda prie šio tikslo parodydamas, kaip kalbos struktūra ir tikslinė anotacija gali pagerinti neuroninę sintezę mažesnių resursų aplinkose.