Statistical parametric speech synth

Statistical parametric speech synthesis (SPSS) combines an acoustic model and a vocoder to render speech given a text. Typically decision tree-clustered context-dependent hidden Markov models (HMMs) are employed as the acoustic model, which represent a relationship between linguistic and acoustic features. Recently, artificial neural network-based acoustic models, such as deep neural networks, mixture density networks, and long short-term memory recurrent neural networks (LSTM-RNNs), showed significant improvements over the HMM-based approach. This paper reviews the progress of acoustic modeling in SPSS from the HMM to the LSTM-RNN.

ผลลัพธ์ (ไทย) 1:

การสังเคราะห์เสียงพูดสถิติพาราเมตริก (โปรแกรม) รวม vocoder แสดงคำพูดที่ให้ข้อความและแบบจำลองระดับ โดยทั่วไปตัดสินใจจับกลุ่มแผนภูมิขึ้นอยู่กับบริบทซ่อน Markov รุ่น (HMMs) เป็นลูกจ้างเป็นแบบอะคูสติก ซึ่งแสดงถึงความสัมพันธ์ระหว่างคุณลักษณะของภาษาศาสตร์ และระดับ ล่าสุด ประดิษฐ์ประสาทตามเครือข่ายอคูสติกโมเดล เช่นเครือข่ายประสาทลึก เครือข่ายความหนาแน่นของส่วนผสม และระยะยาวระยะสั้นหน่วยความจำเกิดซ้ำประสาทเครือข่าย (LSTM-RNNs), พบการปรับปรุงที่สำคัญกว่าวิธีใช้ HMM กระดาษนี้รีวิวความคืบหน้าของการสร้างโมเดลในโปรแกรมจากการ HMM จะ LSTM RNN อคูสติก

ผลลัพธ์ (ไทย) 2:

สถิติการสังเคราะห์เสียงพูดพารา (SPSS) รวมรูปแบบอะคูสติกและ vocoder ที่จะทำให้คำพูดที่ได้รับข้อความ โดยปกติการตัดสินใจต้นไม้คลัสเตอร์บริบทขึ้นอยู่กับรูปแบบที่ซ่อนมาร์คอฟ (HMMs) จะถูกใช้เป็นรูปแบบอะคูสติกซึ่งเป็นตัวแทนของความสัมพันธ์ระหว่างคุณลักษณะทางภาษาและอะคูสติก เมื่อเร็ว ๆ นี้เทียมเครือข่ายแบบอะคูสติกของระบบประสาทเช่นเครือข่ายประสาทลึกเครือข่ายความหนาแน่นของส่วนผสมและหน่วยความจำระยะสั้นระยะยาวเครือข่ายประสาทกำเริบ (LSTM-RNNs) มีการปรับปรุงที่สำคัญกว่าวิธีการ HMM-based กระดาษนี้แสดงความคิดเห็นความคืบหน้าของการสร้างแบบจำลองอะคูสติกใน SPSS จาก HMM กับ LSTM-RNN

ผลลัพธ์ (ไทย) 3:

สถิติพาราเมตริก ( SPSS ) การสังเคราะห์รวมรูปแบบอะคูสติกและเครื่องกำเนิดเสียงพูดเพื่อให้คำพูดที่ได้รับข้อความ โดยทั่วไปโครงสร้างการตัดสินใจแบบซ่อนมาร์คอฟแบบพึ่งพาบริบท ( hmms ) จะใช้เป็นแบบอะคูสติกที่แสดงความสัมพันธ์ระหว่างคุณลักษณะทางด้านภาษาและเสียง เมื่อเร็วๆ นี้ ทางเครือข่ายประสาทอะคูสติกรุ่นเช่นโครงข่ายประสาทลึกเครือข่ายความหนาแน่นส่วนผสมและความจำระยะสั้นยาวกำเริบเครือข่ายประสาท ( lstm rnns ) แสดงการปรับปรุงที่สำคัญกว่าวิธีการที่ใช้ อืม . บทความนี้รีวิวความคืบหน้าแบบอะคูสติกใน SPSS จากหือกับ lstm-rnn .