LSTM-Based Speech Segmentation Trained on Different Foreign Languages

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F20%3A43959258" target="_blank" >RIV/49777513:23520/20:43959258 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-58323-1_49" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-58323-1_49</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-58323-1_49" target="_blank" >10.1007/978-3-030-58323-1_49</a>

Jazyk výsledku

angličtina

Název v původním jazyce

LSTM-Based Speech Segmentation Trained on Different Foreign Languages

Popis výsledku v původním jazyce

This paper describes experiments on speech segmentation by using bidirectional LSTM neural networks. The networks were trained on various languages (English, German, Russian and Czech), segmentation experiments were performed on 4 Czech professional voices. To be able to use various combinations of foreign languages, we defined a reduced phonetic alphabet based on IPA notation. It consists of 26 phones, all included in all languages. To increase the segmentation accuracy, we applied an iterative procedure based on detection of improperly segmented data and retraining of the network. Experiments confirmed the convergence of the procedure. A comparison with a reference HMM-based segmentation with additional manual corrections was performed.

Název v anglickém jazyce

LSTM-Based Speech Segmentation Trained on Different Foreign Languages

Popis výsledku anglicky

This paper describes experiments on speech segmentation by using bidirectional LSTM neural networks. The networks were trained on various languages (English, German, Russian and Czech), segmentation experiments were performed on 4 Czech professional voices. To be able to use various combinations of foreign languages, we defined a reduced phonetic alphabet based on IPA notation. It consists of 26 phones, all included in all languages. To increase the segmentation accuracy, we applied an iterative procedure based on detection of improperly segmented data and retraining of the network. Experiments confirmed the convergence of the procedure. A comparison with a reference HMM-based segmentation with additional manual corrections was performed.

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

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue 23rd International Conference, TSD 2020, Brno, Czech Republic, September 8-11, 2020, Proceedings

ISBN

978-3-030-58322-4

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

9

Strana od-do

456-464

Název nakladatele

Springer Nature Switzerland AG

Místo vydání

Cham

Místo konání akce

Brno, Czech Republic

Datum konání akce

8. 9. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—