ترجمه فارسی مقاله بازآفرینی: یادگیری تقویتی برای تولید گفتار احساسی با استفاده از استراتژی بازیگر-منتقد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Re-ENACT: Reinforcement Learning for Emotional Speech Generation using Actor-Critic Strategy
عنوان مقاله به فارسی بازآفرینی: یادگیری تقویتی برای تولید گفتار احساسی با استفاده از استراتژی بازیگر-منتقد
نویسندگان Ravi Shankar, Archana Venkataraman
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
دسته بندی موضوعات Audio and Speech Processing,Artificial Intelligence,Machine Learning,پردازش صوتی و گفتار , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 3 August, 2024; originally announced August 2024. , Comments: 7 pages, 10 figures
توضیحات به فارسی ارسال شده در 3 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 7 صفحه ، 10 شکل

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 280,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In this paper, we propose the first method to modify the prosodic features of a given speech signal using actor-critic reinforcement learning strategy. Our approach uses a Bayesian framework to identify contiguous segments of importance that links segments of the given utterances to perception of emotions in humans. We train a neural network to produce the variational posterior of a collection of Bernoulli random variables; our model applies a Markov prior on it to ensure continuity. A sample from this distribution is used for downstream emotion prediction. Further, we train the neural network to predict a soft assignment over emotion categories as the target variable. In the next step, we modify the prosodic features (pitch, intensity, and rhythm) of the masked segment to increase the score of target emotion. We employ an actor-critic reinforcement learning to train the prosody modifier by discretizing the space of modifications. Further, it provides a simple solution to the problem of gradient computation through WSOLA operation for rhythm manipulation. Our experiments demonstrate that this framework changes the perceived emotion of a given speech utterance to the target. Further, we show that our unified technique is on par with state-of-the-art emotion conversion models from supervised and unsupervised domains that require pairwise training.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما اولین روش را برای اصلاح ویژگی های prosodic یک سیگنال گفتار معین با استفاده از استراتژی یادگیری تقویت کننده بازیگر-انتقادی پیشنهاد می کنیم.رویکرد ما از یک چارچوب بیزی برای شناسایی بخش های متناسب با اهمیت استفاده می کند که بخش هایی از گفته های داده شده را به درک احساسات در انسان پیوند می دهد.ما یک شبکه عصبی را آموزش می دهیم تا خلفی متنوع مجموعه ای از متغیرهای تصادفی برنولی را تولید کنیم.مدل ما برای اطمینان از تداوم ، مارکوف را قبل از آن اعمال می کند.نمونه ای از این توزیع برای پیش بینی احساسات پایین دست استفاده می شود.علاوه بر این ، ما شبکه عصبی را آموزش می دهیم تا یک تکلیف نرم نسبت به دسته های احساسات را به عنوان متغیر هدف پیش بینی کنیم.در مرحله بعدی ، ما ویژگی های prosodic (زمین ، شدت و ریتم) بخش ماسک را اصلاح می کنیم تا نمره احساسات هدف را افزایش دهیم.ما از یک یادگیری تقویت کننده انتقاد کننده بازیگر برای آموزش اصلاح کننده ProSody با گسسته کردن فضای اصلاحات استفاده می کنیم.علاوه بر این ، این یک راه حل ساده برای مشکل محاسبات شیب از طریق عملکرد Wsola برای دستکاری ریتم ارائه می دهد.آزمایشات ما نشان می دهد که این چارچوب احساسات درک شده از گفتار خاص را به هدف تغییر می دهد.علاوه بر این ، ما نشان می دهیم که تکنیک یکپارچه ما با مدل های پیشرفته و پیشرفته احساسات از حوزه های تحت نظارت و بدون نظارت که نیاز به آموزش زوجی دارند ، مطابقت دارد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.