Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 107,049,618

 Introduction of duration models and dynamic features in MGE training for HSMM-based speech synthesis
Tác giả hoặc Nhóm tác giả: Duy Khanh Ninh, Kook Cho and Yoichi Yamashita
Nơi đăng: Proceeding of Spring Meeting of Acoustical Society of Japan; Số: 3-2012;Từ->đến trang: 431-434;Năm: 2012
Lĩnh vực: Công nghệ thông tin; Loại: Báo cáo; Thể loại: Quốc tế
TÓM TẮT
ABSTRACT
Minimum generation error (MGE) training has been proposed for HMM-based TTS to minimize the error between training and generated data. However, two potential problems in current MGE schemes exist. We apply conventional MGE scheme to HSMM- based TTS and propose two solutions. First, we augment the generation error function with the errors of dynamic features to improve the dynamics of generated parameter sequence. Second, we propose a new MGE scheme, where state duration models are used to determine the state sequence for MGE training, to resolve an inconsistency of conventional one when speech is to be synthesized from specified duration of speech segments. Objective evaluations confirm the robustness of our proposed methods.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn