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”

Artefact Determination by GMM-Based Continuous Detection of Emotional Changes in Synthetic Speech

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F19%3A43956317" target="_blank" >RIV/49777513:23520/19:43956317 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/8768826" target="_blank" >https://ieeexplore.ieee.org/document/8768826</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP.2019.8768826" target="_blank" >10.1109/TSP.2019.8768826</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Artefact Determination by GMM-Based Continuous Detection of Emotional Changes in Synthetic Speech

  • Popis výsledku v původním jazyce

    The paper is focused on a description of a system for automatic detection of speech artefacts based on the Gaussian mixture model (GMM) classifier. The system enables to detect one or more artefacts in synthetic speech produced by a text-to-speech system. Our speech artefact detection uses continual GMM classification of emotional states in 2-D affective space of valence and arousal within the whole sentence and calculates the final change in the evaluated emotions. The detected shift to negative emotions indicates presence of an artefact in the analysed sentence. The basic experiments confirm functionality of the developed system producing results with sufficient correctness of artefact detection. These results are comparable to those attained by a standard listening test method. Additional investigations show relatively great influence of the number of mixtures, the number of used emotional classes, and types of speech features on the evaluated emotional shift.

  • Název v anglickém jazyce

    Artefact Determination by GMM-Based Continuous Detection of Emotional Changes in Synthetic Speech

  • Popis výsledku anglicky

    The paper is focused on a description of a system for automatic detection of speech artefacts based on the Gaussian mixture model (GMM) classifier. The system enables to detect one or more artefacts in synthetic speech produced by a text-to-speech system. Our speech artefact detection uses continual GMM classification of emotional states in 2-D affective space of valence and arousal within the whole sentence and calculates the final change in the evaluated emotions. The detected shift to negative emotions indicates presence of an artefact in the analysed sentence. The basic experiments confirm functionality of the developed system producing results with sufficient correctness of artefact detection. These results are comparable to those attained by a standard listening test method. Additional investigations show relatively great influence of the number of mixtures, the number of used emotional classes, and types of speech features on the evaluated emotional shift.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2019 42nd International Conference on Telecommunications and Signal Processing (TSP)

  • ISBN

    978-1-72811-864-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    45-48

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Budapest, Hungary

  • Datum konání akce

    1. 7. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000493442800010