Unified Language-Independent DNN-Based G2P Converter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F19%3A43955898" target="_blank" >RIV/49777513:23520/19:43955898 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.isca-speech.org/archive/Interspeech_2019/pdfs/2335.pdf" target="_blank" >https://www.isca-speech.org/archive/Interspeech_2019/pdfs/2335.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.21437/Interspeech.2019-2335" target="_blank" >10.21437/Interspeech.2019-2335</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Unified Language-Independent DNN-Based G2P Converter

Popis výsledku v původním jazyce

We introduce a unified Grapheme-to-phoneme conversion framework based on the composition of deep neural networks. In contrary to the usual approaches building the G2P frameworks from the dictionary, we use whole phrases, which allows us to capture various language properties, e.g. cross-word assimilation, without the need for any special care or topology adjustments. The evaluation is carried out on three different languages -- English, Czech and Russian. Each requires dealing with specific properties, stressing the proposed framework in various ways. The very first results show promising performance of the proposed framework, dealing with all the phenomena specific to the tested languages. Thus, we consider the framework to be language-independent for a wide range of languages.

Název v anglickém jazyce

Unified Language-Independent DNN-Based G2P Converter

Popis výsledku anglicky

We introduce a unified Grapheme-to-phoneme conversion framework based on the composition of deep neural networks. In contrary to the usual approaches building the G2P frameworks from the dictionary, we use whole phrases, which allows us to capture various language properties, e.g. cross-word assimilation, without the need for any special care or topology adjustments. The evaluation is carried out on three different languages -- English, Czech and Russian. Each requires dealing with specific properties, stressing the proposed framework in various ways. The very first results show promising performance of the proposed framework, dealing with all the phenomena specific to the tested languages. Thus, we consider the framework to be language-independent for a wide range of languages.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GA19-19324S" target="_blank" >GA19-19324S: Plně trénovatelná syntéza české řeči z textu s využitím hlubokých neuronových sítí</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 20th Annual Conference of the International Speech Communication Association (Interspeech 2019)

ISBN

978-1-5108-9683-3

ISSN

2308-457X

e-ISSN

—

Počet stran výsledku

5

Strana od-do

2085-2089

Název nakladatele

Curran Associates, Inc.

Místo vydání

Red Hook, NY

Místo konání akce

Graz, Austria

Datum konání akce

15. 9. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—