Geri Dön

Speaker adapted speech synthesis with deep neural networks

Derin yapay sinir ağları kullanan konuşma sentezi sistemlerinde konuşmacıya uyarlama

PDF İndir

  1. Tez No: 540508
  2. Yazar: MİRAÇ GÖKSU ÖZTÜRK
  3. Danışmanlar: DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN, DOÇ. DR. CENK DEMİROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 99

Özet

Metinden-konuşma (TTS) sistemleri, 1970'lerden beri yardımcı bir teknoloji olmuştur. Ticari kullanım on yıllar önce başlamış olmasına rağmen, sentetik konuşma kalitesi hala kayıtlı konuşma kadar iyi değildir. Bu çalışmanın odaklandığı konular- dan biri, TTS sistemlerinde konuşmacı uyarlamasıdır. Konuşmacı uyarlaması, belirli bir TTS modelini, sesi arzu edilen bir konuşmacının ses karakteristiği ile sentezleye- cek şekilde değiştirmektir. Bu çalışmada, transfer öğrenme yöntemlerini içeren derin sinir ağı (DNN) tabanlı yeni konuşmacı uyarlama teknikleri sunulmuştur. Kümelenme yöntemlerini kullanarak çok boyutlu konuşmacı temsil vektörlerini birkaç boyutlu vek- törlerle değiştirdik. Nesnel sonuçlar, parametrelerin sayısında önemli bir düşüşe ek olarak, başlangıç performansına göre uyarlamada belirgin iyileşme olduğunu göstermek- tedir. Bu çalışmanın ikinci yönü, DNN tabanlı post filtreleme yöntemleri üzerinde gerçekleştirilen konuşmacı uyarlamasıdır. Öznel sonuçlar, postfiltre uyarlanmasının, sentetik konuşmanın istenen konuşmacının sesine benzerliğini arttırdığını, ancak kalite- de önemli bir iyileşmenin gözlenmediğini göstermektedir. Bu çalışmada önerilen teknik- ler, DNN mimarisinin ve konuşmacı temsil vektörlerinin seçiminden bağımsızdır, bu nedenle, ileride konuşma tanıma gibi ilgili alanların deneyleri için genişletilebilir ve kullanılabilir.

Özet (Çeviri)

Text-to-speech (TTS) systems have been an assisting technology since the 1970s. Although commercial use has begun decades ago, synthetic speech quality is still not as good as recorded speech. One particular subject of this field focused by this study is the speaker adaptation in TTS systems. Speaker adaptation is the task of modifying a given TTS model such that the modified model synthesizes speech samples with the voice characteristic of a desired speaker. In this study, deep neural network (DNN) based novel speaker adaptation techniques incorporating transfer learning methods are presented. We replaced the high dimensional speaker embeddings with few dimensional vectors using clustering methods. Objective results indicate significant improvement to the adaptation performance compared to baseline techniques in addition to a significant drop in the number of parameters. The second aspect of this study is the speaker adaptation performed on DNN-based postfiltering methods. The subjective results show that the adaptation of postfiltering increases the similarity of synthetic speech to the desired speaker's voice although no significant improvement in quality is observed. The techniques proposed in this study are independent of the choice of the DNN architecture and speaker embedding, thus, can be extended and used for experiments of relevant fields such as speech recognition in the future.

Benzer Tezler

  1. Tez No

    721336

    Speaker adaptation with deep learning for text-to-speech synthesis systems

    Metinden konuşma sentezi sistemleri için derin öğrenme ile konuşmacı uyarlama

    ERAY EREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CENK DEMİROĞLU

  2. Tez No

    478622

    Using eigenvoices and nearest-neighbours in HMM-based cross-lingual speaker adaptation with limited data

    Sınırlı veriyle HMM tabanlı çapraz-dil konuşmacı uyarlamasında özses ve en yakın komşu kullanımı

    SEYYED SAEED SARFJOO

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CENK DEMİROĞLU

  3. Tez No

    832507

    Türkçe ve Türk kültürü ders kitaplarının edimbilim açısından ı̇ncelenmesi

    An analysis of pragmatic content in Turkish and Turkish culture textbooks

    ZEKİYE DURMUŞKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    DilbilimYıldız Teknik Üniversitesi

    Türkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı

    PROF. DR. ALİ FUAT ARICI

    DOÇ. DR. YUSUF GÜNAYDIN

  4. Tez No

    253497

    Cross-linguistic and cross-subject investigation of speech acts of refusals

    Söz edimlerinden ret ifadelerinin diller arası ve kişiler arası araştırması

    ŞEYDA SELEN ÇİMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    DilbilimMuğla Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. ŞEVKİ KÖMÜR

  5. Tez No

    702964

    Deep neural network (DNN) based multilingual speaker age estimation

    Derin sinir ağı (DSA) tabanlı çok dilli konuşmacı yaş tahmini

    MOHAMMED MUNTAZ OSMAN

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN BÜYÜK

Geri Dön