Modeling pause for the synthesis of Kazakh speech

2018

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1145/3234698.3234699
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

One of the most important stages in the development of intonational text-to-speech systems is prosodic processing. The correct pause placement and pause duration play a large role for the perception of speech by human hearing. In this article, the authors propose a new way of modeling pause for the Kazakh language using a vector representation of words. Our group presents a model that uses the minimum amount of data obtained with the help of manual tagging. We believe that such an approach will be of interest for scientific groups working on the development of speech synthesis systems for poorly studied languages.