Sentences vs Phrases in Neural Speech Synthesis

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F24%3A43973179" target="_blank" >RIV/49777513:23520/24:43973179 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-031-70566-3_4" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-70566-3_4</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-70566-3_4" target="_blank" >10.1007/978-3-031-70566-3_4</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Sentences vs Phrases in Neural Speech Synthesis
Popis výsledku v původním jazyce
The neural network-based TTS models are usually trained and inferred on the whole sentences, or, in general, on longer chunks of speech. However, these may negatively affect the responsiveness of the TTS system in cases when latency should be kept as small as possible. We present experiments using smaller chunk lengths, namely phrases, and their impact on speech quality when various chunk length combinations are used for training and inference in the VITS synthesizer.
Název v anglickém jazyce
Sentences vs Phrases in Neural Speech Synthesis
Popis výsledku anglicky
The neural network-based TTS models are usually trained and inferred on the whole sentences, or, in general, on longer chunks of speech. However, these may negatively affect the responsiveness of the TTS system in cases when latency should be kept as small as possible. We present experiments using smaller chunk lengths, namely phrases, and their impact on speech quality when various chunk length combinations are used for training and inference in the VITS synthesizer.

Projekt
<a href="/cs/project/GA22-27800S" target="_blank" >GA22-27800S: Využití vícemodálních Transformerů pro přirozenější hlasový dialog</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Text, Speech, and Dialogue. Lecture Notes in Computer Science
ISBN
978-3-031-70565-6
ISSN
0302-9743
e-ISSN
1611-3349
Počet stran výsledku
10
Strana od-do
36-45
Název nakladatele
Springer International Publishing
Místo vydání
Cham
Místo konání akce
Brno, Czech Republic
Datum konání akce
9. 9. 2024
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
001307848400004

Podobné výsledky(10)