AAI Labs
Pradinis
Paslaugos
ProduktaiProjektaiTyrimaiDI inžinieriai
Įmonė
Daugiau
Susisiekti
Loading…

Paslaugos

  • DI energetikai
  • DI savivaldybėms
  • DI transportui
  • Generatyvinis DI
  • LLM verslui
Visos paslaugos →

Įmonė

  • Apie mus
  • Karjera
  • Projektai
  • Privatumo politika
  • MTEP
  • Kontaktai

Daugiau

  • Mokymai
  • ES DI aktas
  • DI žodynas
  • Tyrimai
  • Tinklaraštis
  • Naujienos

Produktai

  • AI Team for Hire
  • AI Scan
  • Merkys.AI
  • Cargobroker.AI
  • DI inžinerinei pramonei
Visi produktai →

UAB Taikomasis dirbtinis intelektas © 2026

[email protected]LinkedIn →
Tyrimas2021

Lietuvių kalbos sintezė naudojant kirčiuotų pavyzdžių žymas

Mažesnių resursų kalbos, turinčios stiprų raidžių ir fonemų atitikimą, kelia specifinių iššūkių neuroninei TTS sintezei. Parodoma, kad Tacotron 2 mokymas su kirčiuotu lietuvių kalbos korpusu reikšmingai pagerina kalbos natūralumą pagal MOS vertinimą.

Skaityti tyrimą

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.