Luận án: Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên - Ứng dụng tiếng Mường

Nghiên cứu tổng hợp tiếng nói cho tiếng Mường (ngôn ngữ ít nguồn tài nguyên) bằng phương pháp thích nghi, ứng dụng hiệu quả.

Chuyên ngành

Ngôn ngữ học

Tác giả

Luan An

Thể loại

Luận văn tiến sĩ

Năm xuất bản

Số trang

176

Thời gian đọc

27 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

50 Point

Tóm tắt nội dung

I.Phát triển Tổng hợp tiếng nói cho ngôn ngữ tài nguyên thấp

Tổng hợp tiếng nói (TTS) là quá trình chuyển đổi văn bản thành giọng nói một cách tự động. Công nghệ này thường yêu cầu thu thập hàng chục giờ giọng nói từ người nói chuyên nghiệp với micro chất lượng cao. Có khoảng 7.000 ngôn ngữ được nói trên toàn thế giới. Tuy nhiên, chỉ một số ít ngôn ngữ như tiếng Anh, tiếng Tây Ban Nha, tiếng Quan Thoại, tiếng Nhật mới có hệ thống TTS tốt. Những ngôn ngữ được gọi là “ngôn ngữ tài nguyên thấp” hoặc thậm chí chưa có chữ viết, thường không có công nghệ TTS. Tiếng Mường là một trong những ngôn ngữ tài nguyên thấp ở Việt Nam, đại diện cho thách thức này. Nghiên cứu này tập trung vào việc áp dụng các phương pháp TTS cho các ngôn ngữ này. Mục tiêu là tạo ra công cụ hỗ trợ giao tiếp và bảo tồn ngôn ngữ. Việc phát triển TTS cho các ngôn ngữ tài nguyên thấp là cần thiết. Nó giúp đa dạng hóa khả năng tiếp cận công nghệ giọng nói. Nhiều cộng đồng ngôn ngữ sẽ được hưởng lợi từ các nghiên cứu này.

1.1. Khái niệm và yêu cầu của TTS

Tổng hợp tiếng nói (TTS) là một công nghệ cốt lõi trong xử lý ngôn ngữ tự nhiên. Nó chuyển đổi đầu vào văn bản thành âm thanh nghe được. Ứng dụng của TTS rất rộng rãi, bao gồm hỗ trợ người khuyết tật, hệ thống đọc sách tự động, và trợ lý ảo. Để xây dựng hệ thống TTS chất lượng cao, cần có một lượng lớn dữ liệu giọng nói. Dữ liệu này phải được thu thập từ người nói chuyên nghiệp. Đồng thời, thiết bị ghi âm cần đạt chuẩn chất lượng cao. Các yêu cầu này đặt ra rào cản lớn cho các ngôn ngữ nhỏ.

1.2. Thách thức toàn cầu với ngôn ngữ tài nguyên thấp

Trên thế giới, phần lớn trong số 7.000 ngôn ngữ đang thiếu công nghệ TTS. Các ngôn ngữ này thiếu dữ liệu giọng nói, văn bản được số hóa. Thiếu cả các công cụ xử lý ngôn ngữ tự nhiên cần thiết. Vấn đề này cản trở sự phát triển công nghệ. Nó giới hạn khả năng tiếp cận thông tin cho nhiều cộng đồng. Việc tạo TTS cho chúng đòi hỏi các phương pháp nghiên cứu mới và đột phá. Đây là một lĩnh vực nghiên cứu quan trọng.

1.3. Tiếng Mường Ví dụ ngôn ngữ tài nguyên thấp tại Việt Nam

Tại Việt Nam, tiếng Mường là ngôn ngữ của người Mường. Đây là một trong năm dân tộc có dân số lớn nhất. Tiếng Mường thuộc ngữ hệ Nam Á, có quan hệ gần gũi với tiếng Việt. Tuy nhiên, tiếng Mường chưa có chữ viết chính thức. Điều này làm cho nó trở thành một ví dụ điển hình về ngôn ngữ tài nguyên thấp. Việc nghiên cứu TTS cho tiếng Mường là một thách thức lớn. Nó mở ra tiềm năng cho nhiều ngôn ngữ dân tộc khác ở Việt Nam.

II.Thách thức tổng hợp tiếng nói tiếng Mường tài nguyên thấp

Việc phát triển công nghệ tổng hợp tiếng nói (TTS) cho tiếng Mường đối mặt với nhiều rào cản. Tiếng Mường là một ngôn ngữ tài nguyên thấp điển hình tại Việt Nam. Nó thiếu một hệ thống chữ viết chính thức và nguồn tài nguyên dữ liệu phong phú. Điều này gây khó khăn trong việc thu thập dữ liệu huấn luyện cần thiết cho các mô hình TTS truyền thống. Các hệ thống TTS hiện đại thường yêu cầu hàng chục giờ ghi âm giọng nói chất lượng cao cùng với văn bản tương ứng. Đối với tiếng Mường, việc này gần như không thể thực hiện được. Nghiên cứu về ngữ âm tiếng Mường cũng còn hạn chế. Điều này tạo ra một khoảng trống kiến thức lớn. Nó ảnh hưởng đến việc xây dựng các mô hình ngữ âm chính xác. Khó khăn này đòi hỏi việc tìm kiếm các phương pháp tiếp cận sáng tạo. Mục tiêu là tạo ra TTS hiệu quả cho tiếng Mường mà không phụ thuộc vào lượng lớn dữ liệu.

2.1. Đặc điểm của ngôn ngữ Mường

Tiếng Mường là một ngôn ngữ thuộc ngữ hệ Nam Á. Nó có mối quan hệ gần gũi với tiếng Việt. Tuy nhiên, cấu trúc ngữ âm và từ vựng của tiếng Mường có những nét riêng. Tiếng Mường là ngôn ngữ chính của người Mường, một trong những dân tộc thiểu số lớn ở Việt Nam. Ngôn ngữ này vẫn giữ được nhiều nét văn hóa độc đáo. Việc bảo tồn và phát triển tiếng Mường thông qua công nghệ là một mục tiêu quan trọng.

2.2. Thiếu hụt tài nguyên dữ liệu cho TTS

Một trong những rào cản lớn nhất là sự thiếu hụt tài nguyên dữ liệu. Tiếng Mường không có một bộ corpus giọng nói lớn. Cũng không có văn bản được số hóa đầy đủ. Điều này làm cho việc huấn luyện các mô hình TTS hiện đại trở nên bất khả thi. Các kỹ thuật yêu cầu dữ liệu lớn không thể áp dụng trực tiếp. Cần có các phương pháp thay thế. Các phương pháp này phải hoạt động hiệu quả với dữ liệu hạn chế.

2.3. Khó khăn trong nghiên cứu và phát triển

Việc thiếu tài nguyên cũng dẫn đến khó khăn trong nghiên cứu cơ bản. Nghiên cứu ngữ âm và các đặc điểm ngôn ngữ của tiếng Mường còn hạn chế. Việc xây dựng các công cụ hỗ trợ như bộ phân tích âm vị, bộ chuẩn hóa văn bản là thách thức. Những công cụ này rất cần thiết cho quá trình tổng hợp tiếng nói. Sự thiếu hụt này đòi hỏi sự đầu tư lớn vào nghiên cứu cơ bản và phát triển công cụ.

III.Giải pháp TTS cho ngôn ngữ Mường bằng phương pháp thích ứng

Để vượt qua các thách thức, nghiên cứu đề xuất sử dụng phương pháp thích ứng trong tổng hợp tiếng nói (TTS). Phương pháp này giúp tạo ra hệ thống TTS cho tiếng Mường với nguồn tài nguyên hạn chế. Nội dung nghiên cứu bao gồm tổng quan về TTS và tìm hiểu ngữ âm tiếng Việt và tiếng Mường. Các công cụ hỗ trợ công nghệ TTS cho cả hai ngôn ngữ cũng được phát triển và công bố. Trọng tâm là các thí nghiệm tạo TTS cho ngôn ngữ tài nguyên thấp. Cụ thể, thí nghiệm được tiến hành trên tiếng Mường. Phương pháp thích ứng cho phép tận dụng các tài nguyên đã có từ các ngôn ngữ khác, đặc biệt là tiếng Việt. Điều này giúp giảm đáng kể yêu cầu về dữ liệu huấn luyện ban đầu. Nó cũng tăng tốc quá trình phát triển hệ thống TTS cho tiếng Mường. Nghiên cứu mở ra hướng đi mới cho các ngôn ngữ tương tự.

3.1. Ứng dụng phương pháp thích ứng trong TTS

Phương pháp thích ứng (adaptation approach) là một giải pháp then chốt. Nó giúp giải quyết vấn đề thiếu dữ liệu cho các ngôn ngữ tài nguyên thấp. Kỹ thuật này sử dụng một mô hình TTS đã được huấn luyện trên một ngôn ngữ có nhiều tài nguyên. Sau đó, mô hình được điều chỉnh lại với một lượng nhỏ dữ liệu của ngôn ngữ mục tiêu. Cách tiếp cận này giúp giảm chi phí và thời gian phát triển. Nó cũng tăng cường hiệu quả của hệ thống TTS cho tiếng Mường.

3.2. Lợi ích từ chuyển giao học tập đa ngôn ngữ

Nghiên cứu áp dụng kỹ thuật chuyển giao học tập đa ngôn ngữ (cross-lingual adaptation transfer-learning). Kỹ thuật này cho phép chuyển kiến thức từ tiếng Việt sang tiếng Mường. Tiếng Việt là một ngôn ngữ có nhiều tài nguyên TTS. Bằng cách này, mô hình TTS tiếng Việt có thể được tinh chỉnh. Nó được điều chỉnh để tạo ra giọng nói tiếng Mường. Phương pháp này tận dụng sự tương đồng về ngữ hệ giữa hai ngôn ngữ. Nó tối ưu hóa việc sử dụng dữ liệu hiện có.

3.3. Các công cụ hỗ trợ phát triển TTS

Luận án đã nghiên cứu và công bố một số công cụ. Các công cụ này hỗ trợ công nghệ TTS cho tiếng Việt và tiếng Mường. Chúng bao gồm các công cụ phân tích ngữ âm, chuẩn hóa văn bản. Các công cụ này là nền tảng quan trọng. Chúng giúp xử lý và chuẩn bị dữ liệu cho quá trình huấn luyện mô hình. Việc phát triển các công cụ này là cần thiết. Nó đảm bảo tính chính xác và hiệu quả của hệ thống TTS tiếng Mường.

IV.Phương pháp tạo tiếng nói cho tiếng Mường viết và không viết

Nghiên cứu tiến hành các thí nghiệm chi tiết để tạo tổng hợp tiếng nói (TTS) cho tiếng Mường. Các thí nghiệm được chia thành hai nhóm chính dựa trên trạng thái chữ viết của ngôn ngữ. Đối với các ngôn ngữ đã có chữ viết, sử dụng phương pháp giả lập. Phương pháp này mô phỏng cách đọc tiếng Mường bằng cách sử dụng hệ thống TTS tiếng Việt. Đồng thời, áp dụng thích ứng đa ngôn ngữ và học chuyển giao. Đối với các ngôn ngữ chưa có chữ viết, thực hiện thí nghiệm thích ứng theo hai hướng. Hướng thứ nhất là tạo tổng hợp tiếng Mường trực tiếp từ văn bản tiếng Việt và giọng nói tiếng Mường. Hướng thứ hai là tạo tổng hợp tiếng Mường thông qua dịch thuật. Phương pháp này sử dụng biểu diễn trung gian. Các cách tiếp cận này thể hiện sự linh hoạt. Chúng phù hợp với nhiều trường hợp ngôn ngữ tài nguyên thấp khác nhau. Mục tiêu là đạt được kết quả tốt nhất với nguồn lực hạn chế.

4.1. Xử lý ngôn ngữ Mường có chữ viết giả lập

Trong trường hợp tiếng Mường được mô phỏng như một ngôn ngữ có chữ viết, phương pháp giả lập được sử dụng. Điều này liên quan đến việc tận dụng hệ thống TTS tiếng Việt hiện có. Hệ thống này được điều chỉnh để đọc văn bản tiếng Mường. Kỹ thuật này kết hợp với thích ứng đa ngôn ngữ. Nó còn sử dụng học chuyển giao. Mục đích là để đạt được hiệu suất tốt nhất. Phương pháp này giảm thiểu nhu cầu thu thập dữ liệu mới. Nó vẫn tạo ra giọng nói tự nhiên cho tiếng Mường.

4.2. Xử lý ngôn ngữ Mường không có chữ viết thích ứng trực tiếp

Đối với các ngôn ngữ chưa có chữ viết chính thức như tiếng Mường, nghiên cứu thử nghiệm thích ứng theo hai hướng. Hướng đầu tiên là tạo tổng hợp tiếng Mường trực tiếp. Quá trình này sử dụng văn bản tiếng Việt làm đầu vào. Nó kết hợp với giọng nói tiếng Mường để huấn luyện. Cách tiếp cận này giúp bỏ qua bước chuyển đổi văn bản. Nó tập trung trực tiếp vào việc tạo ra âm thanh.

4.3. Tổng hợp tiếng Mường qua biểu diễn trung gian

Hướng thứ hai cho ngôn ngữ không có chữ viết là tổng hợp tiếng Mường thông qua dịch thuật. Quá trình này tạo ra biểu diễn trung gian. Biểu diễn này sau đó được sử dụng để tổng hợp giọng nói tiếng Mường. Phương pháp này giúp xử lý các trường hợp phức tạp hơn. Nó tạo ra một cầu nối giữa văn bản nguồn và giọng nói mục tiêu. Điều này mở rộng khả năng áp dụng TTS cho các ngôn ngữ có cấu trúc đa dạng.

V.Tầm nhìn tương lai của công nghệ tổng hợp tiếng nói Việt Nam

Những phát hiện từ nghiên cứu này được kỳ vọng sẽ tạo động lực mạnh mẽ. Nó thúc đẩy sự phát triển của công nghệ tổng hợp tiếng nói cho các ngôn ngữ tài nguyên thấp trên toàn thế giới. Đặc biệt, nghiên cứu đặt nền tảng quan trọng. Nó góp phần vào việc phát triển tổng hợp tiếng nói cho 53 ngôn ngữ dân tộc thiểu số khác tại Việt Nam. Tiềm năng ứng dụng của công trình này rất lớn. Nó không chỉ giúp bảo tồn ngôn ngữ mà còn hỗ trợ giáo dục, văn hóa, và thông tin cho các cộng đồng này. Việc phát triển công nghệ này cũng góp phần vào việc thu hẹp khoảng cách số. Nó mang lại cơ hội tiếp cận công nghệ giọng nói hiện đại cho tất cả mọi người. Đây là một bước tiến quan trọng. Nó khẳng định vai trò của Việt Nam trong nghiên cứu công nghệ ngôn ngữ.

5.1. Động lực phát triển toàn cầu cho TTS

Kết quả nghiên cứu cung cấp một lộ trình rõ ràng. Nó cho thấy cách phát triển TTS cho các ngôn ngữ tài nguyên thấp. Các phương pháp và kỹ thuật được trình bày có thể áp dụng rộng rãi. Chúng giúp nhiều quốc gia khác giải quyết vấn đề tương tự. Nghiên cứu tạo ra một động lực mạnh mẽ. Nó khuyến khích cộng đồng khoa học quốc tế tiếp tục nghiên cứu. Mục tiêu là mở rộng phạm vi ứng dụng của TTS.

5.2. Góp phần cho ngôn ngữ dân tộc Việt Nam

Công trình này đặc biệt có ý nghĩa với Việt Nam. Nó đóng góp vào việc phát triển TTS cho 53 ngôn ngữ dân tộc thiểu số. Đây là một bước đi quan trọng trong việc bảo tồn và phát huy giá trị văn hóa. Nó giúp các cộng đồng dân tộc tiếp cận công nghệ hiện đại. Việc có TTS cho ngôn ngữ riêng giúp họ giữ gìn bản sắc. Nó cũng tạo cơ hội phát triển về mọi mặt.

5.3. Mục tiêu dài hạn và tiềm năng ứng dụng

Mục tiêu dài hạn là xây dựng một hệ sinh thái công nghệ ngôn ngữ toàn diện. Hệ sinh thái này phục vụ cho tất cả các ngôn ngữ ở Việt Nam. Công nghệ TTS có thể tích hợp vào nhiều ứng dụng. Ví dụ như trợ lý ảo, hệ thống giáo dục điện tử, và dịch thuật tự động. Tiềm năng ứng dụng của nghiên cứu này là rất lớn. Nó góp phần vào sự phát triển bền vững của các cộng đồng dân tộc. Nó cũng nâng cao vị thế của công nghệ ngôn ngữ Việt Nam.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Nghiên cứu tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên theo hướng thích nghi ứng dụng với tiếng mường speech synthesis for lowresourced languages based on adaptation approach application to muong language

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (176 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

DECLARATION OF AUTHORSHIP I, Pham Van Dong, declare that the dissertation titled “Speech Synthesis for Low- Resourced Languages based on Adaptation Approach: Application to Muong Language” has been entirely composed by myself. I assure you of some points as follows:  This work was done wholly or mainly while in candidature for a Ph. research degree at Hanoi University of Science and Technology.  The work has not been submitted for any other degree or qualifications at Hanoi University of Science and Technology or any other institution.

 Appropriate acknowledgment has been given within this dissertation, where reference has been made to the published work of others.  The dissertation submitted is my own, except where work in the collaboration has been included. The collaborative contributions have been indicated. Hanoi, December 8, 2023 Ph.

Student Pham Van Dong ADVISORS 1. Mac Dang Khoa 2. Tran Do Dat i ACKNOWLEDGMENT Foremost, I would like to express my most sincere and deepest gratitude to my thesis advisors Dr. Mạc Đăng Khoa (Speech Communication Department, MultiLab at MICA), Prof.

TRẦN Đỗ Đạt (The Ministry of Science and Technology, Vietnam) for their continuous support and guidance during my Ph. program, and for providing me with such a severe and inspiring research environment. I am grateful to Dr. Mạc Đăng Khoa for his excellent mentorship, caring, patience, and immense Text-To-Speech (TTS) knowledge.

His advice helped me in all the research and writing of this thesis. I am very thankful to Prof. Đạt for shaping my thesis at the beginning and for their enthusiasm and encouragement. Trần Đỗ Đạt substantially facilitated my Ph.

research, especially when I was a freshman on speech processing and TTS, with his valuable comments on Vietnamese and Muong TTS. I thank all MICA members for their help during my Ph. My sincere thanks to Dr. Nguyen Viet Son, Assoc.

Dao Trung Kien and Dr. Do Thi Ngoc Diep for giving me much support and valuable advice. Thanks to Nguyen Van Thinh, Nguyen Tien Thanh, Dang Thanh Mai, and Vu Thi Hai Ha for their help. I want to thank my Hanoi University of Mining and Geology colleagues for all their support during my Ph.

Special thanks to my family for understanding my hours glued to the computer screen. Hanoi, December 8, 2023 Ph. Student ii ABSTRACT Text-to-speech (TTS) synthesis is the automatic conversion of text into speech. Typically, building high-quality voiceovers requires collecting tens of hours of the voice of a professional speaker with a high-quality microphone.

There are about 7,000 languages spoken worldwide, but only a few languages, such as English, Spanish, Mandarin, and Japanese, are used in good TTS. With so-called "low-resourced languages" or even languages that are not yet written, these languages do not have TTS. Thus, to apply TTS technology to low-resourced language, it is necessary to study other TTS methods. In Vietnam, Vietnamese is the mother tongue and is used the most.

The Muong is a group of the language spoken by the Muong people of Vietnam. They are in the Austroasiatic language family and are closely related to Vietnamese, and Muong is also one of the five ethnic groups with the largest population. However, Muong still needs an official script, a typical representative of the low-resourced language in Vietnam. Therefore, researching TTS technologies to create TTS for the Muong language is challenging.

In the first part of this thesis, we do an overview of TTS. Researching the phonetics of Vietnamese and Muong languages, the thesis has also researched and published some tools to support TTS technology for Vietnamese and Muong languages. In the rest of the thesis, we conduct various experiments in creating TTS for low-resourced language; specifically, we experiment with the Muong language. We focus on two main low-resourced language groups:  Written: We use emulating to simulate the reading of the Muong language using Vietnamese TTS and cross-lingual adaptation transfer-learning.

 Unwritten: We experiment with adaptation in two directions. The first is to create Muong speech synthesis directly from Vietnamese Text and Muong voice. The second is to create Muong speech synthesis from translation through intermediate representation We hope our findings can serve as an impetus to develop speech synthesis for low-resourced languages worldwide and contribute to the basis for speech synthesis development for 53 ethnic minority languages in Viet Nam. Hanoi, December 8, 2023 Ph.

Student iii CONTENT DECLARATION OF AUTHORSHIP. VIII LIST OF TABLES. X LIST OF FIGURES. 1 PART 1 : BACKGROUND AND RELATED WORKS.

OVERVIEW OF SPEECH SYNTHESIS AND SPEECH SYNTHESIS FOR LOW-RESOURCED LANGUAGE. Overview of speech synthesis. Evolution of TTS methods over time. TTS using unit-selection method.

Statistical parameter speech synthesis. Speech synthesis using deep neural networks. Neural speech synthesis. Speech synthesis for low-resourced languages.

TTS using emulating input approach. TTS using the polyglot approach. Speech synthesis for low-resourced language using the adaptation approach. Neural translation model.

Attention in neural machine translation. Statistical machine translation based on phrase. Statistical machine translation problem based on phrase. Translation model and language model.

Decode the input sentence in the translation system. Model for building a statistical translation system. Machine translation through intermediate representation. Speech translation for unwritten low-resourced languages.

Speech synthesis evaluation metrics. Mean Opinion Score (MOS). Mel Cepstral Distortion (MCD). MCD with Dynamic Time Warping (MCD – DTW).

Analysis of variance (Anova). VIETNAMESE AND MUONG LANGUAGE. History of Vietnamese. Vietnamese phonetic system.

Vietnamese syllabus structure. Vietnamese phonetic system. Vietnamese tone system. Overview of Muong people and Muong language.

Viet Muong group. Muong written script. Muong phonetics system. Muong syllable structure.

Muong phoneme system. Muong tone system. Comparison between Vietnamese and Muong. Dicussion and proposal approach.

60 PART 2 : SPEECH SYNTHESIS FOR MUONG AS A WRITTEN LANGUAGE. EMULATING OF THE MUONG TTS BASED ON INPUT TRANSFORMATION OF THE VIETNAMESE TTS. Muong emulating IPA module. Analysis by ANOVA method.

MOS analysis by ANOVA. Intelligibility analysis by ANOVA. CROSS-LINGUAL TRANSFER LEARNING FOR MUONG SPEECH SYNTHESIS. Muong Project‘s data.

Muong fine-tuning data. Graphemes to phonemes. Training the pretrained model using Vietnamese dataset. Finetuned TTS model on Muong datasets.

MOS analysis by ANOVA. 94 PART 3 : SPEECH SYNTHESIS FOR MUONG AS AN UNWRITTEN LANGUAGE. GENERATE UNWRITTEN LOW-RESOURCED LANGUAGE’S SPEECH DIRECTLY FROM RICH-RESOURCE LANGUAGE’S TEXT. Training the speech synthesis system.

MOS analysis by ANOVA. ANOVA analysis in Muong Bi speech synthesis. ANOVA analysis in Muong Tan Son speech synthesis. SPEECH SYNTHESIS FOR UNWRITTEN LOW-RESOURCED LANGUAGE USING INTERMEDIATE REPRESENTATION.

Text to phone translation. Phone to Sound Conversion. Evaluation in Muong Bi and Muong Tan Son. MOS analysis by ANOVA.

ANOVA analysis in Muong Bi speech synthesis. ANOVA analysis in Muong Tan Son speech synthesis. Conclusion and comparison. 128 CONCLUSION AND FUTURE WORKS.

Vietnamese and Muong phonetic. Muong Vietnamese phone mapping. Information of Muong volunteers who participated in the assessment. Speech signal samples of the Muong TTS in chapter 5.

12 vii ABBREVIATIONS Expansion Explanation Abbreviation CART Classification And Regression Tree F0 Fundamental Frequency HMM Hidden Markov Model HTK Hidden markov model A portable toolkit for building and ToolKit manipulating hidden Markov models HTS HMM-based speech synthesis IPA International Phonetic Alphabet MARY Modular Architecture for (TTS) Research on speech sYnthesis MFCC Mel Frequency Cepstral Coefficents ML Maximum Likelihood MLSA Mel Log Spectrum Approximation MOS Mean Opinion Score MSD- Multi-Space probability HMM Distribution HMM NLP Natural Language Processing OCR Optical Character Recognition POS Part-Of-Speech Word class or a lexical category PP Prepositional Phrase PSOLA Pitch Synchronous OverLap and Add SAMPA Speech Assessment Methods Phonetic Alphabet SPTK Speech signal Processing ToolKit SSML Speech Synthesis Markup Language TD- Time-Domain Pitch PSOLA Synchronous OverLap and Add TTS Text-To-Speech VNSP VNSpeechCorpus for synthesis WEKA Waikato Environment for A collection of machine learning Knowledge algorithms for data mining tasks: Analysis X-SAMPA Extended Speech Assessment Methods Phonetic Alphabet XML eXtensible Markup Language PLP Perceptual Linear Prediction viii G2P Grapheme to Phoneme ANOVA Analysis of Variance DNN Deep Neural Network ANN Artificial Neural Network LPC Linear Predictive Coding EM Expectation Maximization Algorithm MLE Maximum Likelihood Network PTN Phonetic Transformation Network CNN Convolutional Neural Network NMT Neural Machine Translation SMT Statistical Machine Translation RNN Recurrent Neural Network GRU Gated Recurrent Unit DTW Dynamic Time Warping MCD Mel Ceptral Distortion Argmax Arguments of the maxima Argmax is an operation that finds the argument that gives the maximum value from a target function Log Logarith ̅ Sample mean p(e | f) Conditional Probability  Pi Product of a sequence of numbers  Sigma Factor H0 Null Hypothesis ix LIST OF TABLES Table 2.1 Vietnamese syllabus structure [94] .2 Vietnamese syllabus structure [96] .3 Vietnamese syllables based on structure .4 Hanoi Vietnamese inital consonants .5 The letter of initial consonant .6 Hanoi Vietnamese final consonant .7 Tone of Hanoi Vietnamese [108] .8 Muong syllabic structure .9 Muong final sound system .10 Muong Hoa Binh tone system [115] .11 Muong Bi and Muong Tan Son Tone .12 Muong and Vietnamese phonetic comparison (orthography in normal, IPA in italic; Vi: Vietnamese; Mb: Muong Bi ; Mts : Muong Tan Son) .13 Comparing the tone of Vietnamese with Muong Tan Son and Muong Bi .1 Muong G2P Result Sample .2 Examples of applying transformation rules to convert the Muong text into input text for Vietnamese TTS. Testing material for emulating tone. Testing material for emulating phone (the concerning phonemes in bold). Testing material for remaining phonemes .6 ANOVA Results for MOS Test.7 ANOVA Results for Intelligibility Test .1 Parameters of acoustic model .2 Vietnamese dataset information .3 Muong recorded data .4 The Muong split data set .5 Parameter for optimizer .6 Value of parameters when training Hifigan model .7 The specifications of the in-domain and out-domain test sets .8 Test set samples .10 ANOVA Results for in-domain MOS Test .11 ANOVA Results for out-domain MOS Test .12 ANOVA Results for in/out domain MOS Test .2 TTS evaluation with in-domain test set .3 TTS evaluation with out-domain test set .4 ANOVA Results for in-domain MOS Test for Muong Bi .5 ANOVA Results for out-domain MOS Test for Muong Bi .6 ANOVA Results for Muong Bi in/out domain MOS Test .7 ANOVA Results for in-domain MOS Test for Muong Tan Son .8 ANOVA Results for out-domain MOS Test for Muong Tan Son .9 ANOVA Results for Muong Tan Son in/out domain MOS Test.1 Examples of labeling Vietnamese text into an intermediate representation of Muong Bi and Muong Tan Son phonemes.2 Text information of Muong language datasets .3 TTS evaluation with in-domain test set .4 TTS evaluation with out-domain test set .5 ANOVA Results for in-domain MOS Test for Muong Bi .6 ANOVA Results for out-domain MOS Test for Muong Bi .7 ANOVA Results for Muong Bi in/out domain MOS Test .8 ANOVA Results for in-domain MOS Test for Muong Tan Son .9 ANOVA Results for out-domain MOS Test for Muong Tan Son .10 ANOVA Results for Muong Tan Son in/out domain MOS Test.2 The Muong initial consonant .3 Muong vowels system .4 The correspondences between Vietnamese and Muong in 12 words refer to the human body parts [137] .8 Muong Vietnamese phone mapping.9 Muong Hoa Binh volunteers .10 Muong Phu Tho volunteers .10 xi LIST OF FIGURES Figure 1.

Basic system architecture of a TTS system [22] .2 Neural TTS architecture [3]. General and clustering-based unit-selection scheme: Solid lines represent target costs and dashed lines represent concatenation costs [13]. Core architecture of HMM-based speech synthesis system [25]. General HMM-based synthesis scheme [13, p.

A speech synthesis framework based on a DNN [29] .7 Encoder and Decoder diagram in Seq2Seq model .8 Char2Wav model [23].9 Model of the Tacotron synthesis system [24] .10 Block diagram of the Tacotron 2 system architecture [25] .11 Scheme of a HMM-based polyglot synthesizer [48] .

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Câu hỏi thường gặp

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" nghiên cứu về vấn đề gì?

Nghiên cứu tổng hợp tiếng nói cho tiếng Mường (ngôn ngữ ít nguồn tài nguyên) bằng phương pháp thích nghi, ứng dụng hiệu quả.

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Hanoi University of Science and Technology. Năm bảo vệ: 2023.

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" thuộc chuyên ngành gì?

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" thuộc chuyên ngành Ngôn ngữ học. Danh mục: Ngôn Ngữ Học Việt Nam.

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" có bao nhiêu trang?

Luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" có 176 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Tổng hợp tiếng nói cho ngôn ngữ ít nguồn tài nguyên: Tiếng Mường" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter