Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Detecting artifacts in synthetic speech

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926635" target="_blank" >RIV/49777513:23520/15:43926635 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detecting artifacts in synthetic speech

  • Popis výsledku v původním jazyce

    Nowadays, speech synthesis is growing very popular in everyday use. For example, automatic voice assistants on mobile platforms are getting smarter every year, using speech synthesis and speech recognition to communicate with the user in a more natural way. As more people make use of speech synthesis, the quality requirements are higher more than ever. Although scientists currently focus mainly on HMM-based synthesis, real applications still use the traditional unit-selection method. Unit selection is known for its ability to produce high-quality synthetic speech. It produces more natural speech, but it may suffer from sudden quality drops at concatenation points. Quality drops ("artifacts") can theoretically occur at every concatenation point. In thefollowing paragraphs, an experiment on the automatic detection of artifacts in concatenation speech synthesis is presented. The main goal was to build a classifier which would mark suspicious segments in synthetic speech in the same way a

  • Název v anglickém jazyce

    Detecting artifacts in synthetic speech

  • Popis výsledku anglicky

    Nowadays, speech synthesis is growing very popular in everyday use. For example, automatic voice assistants on mobile platforms are getting smarter every year, using speech synthesis and speech recognition to communicate with the user in a more natural way. As more people make use of speech synthesis, the quality requirements are higher more than ever. Although scientists currently focus mainly on HMM-based synthesis, real applications still use the traditional unit-selection method. Unit selection is known for its ability to produce high-quality synthetic speech. It produces more natural speech, but it may suffer from sudden quality drops at concatenation points. Quality drops ("artifacts") can theoretically occur at every concatenation point. In thefollowing paragraphs, an experiment on the automatic detection of artifacts in concatenation speech synthesis is presented. The main goal was to build a classifier which would mark suspicious segments in synthetic speech in the same way a

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0090" target="_blank" >ED1.1.00/02.0090: NTIS - Nové technologie pro informační společnost</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Tackling the Complexity in Speech

  • ISBN

    978-80-7308-558-2

  • Počet stran výsledku

    10

  • Strana od-do

    195-204

  • Počet stran knihy

    230

  • Název nakladatele

    Univerzita Karlova v Praze

  • Místo vydání

    Praha

  • Kód UT WoS kapitoly