ترجمه فارسی مقاله سیستم T05 برای چالش VoiceMOS 2024: انتقال یادگیری از طبقهبندیکننده تصویر عمیق به طبیعی بودن پیشبینی گفتار مصنوعی با کیفیت بالا MOS
عنوان مقاله به انگلیسی
The T05 System for The VoiceMOS Challenge 2024: Transfer Learning from Deep Image Classifier to Naturalness MOS Prediction of High-Quality Synthetic Speech
عنوان مقاله به فارسی
سیستم T05 برای چالش VoiceMOS 2024: انتقال یادگیری از طبقهبندیکننده تصویر عمیق به طبیعی بودن پیشبینی گفتار مصنوعی با کیفیت بالا MOS
Sound,Artificial Intelligence,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات
Submitted 14 September, 2024; originally announced September 2024. , Comments: Accepted by IEEE SLT 2024. Our MOS prediction system (UTMOSv2) is available in https://github.com/sarulab-speech/UTMOSv2
توضیحات به فارسی
ارسال شده در 14 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: پذیرفته شده توسط IEEE SLT 2024. سیستم پیش بینی MOS ما (UTMOSV2) در https://github.com/sarulab-speech/utmosv2 در دسترس است
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
We present our system (denoted as T05) for the VoiceMOS Challenge (VMC) 2024. Our system was designed for the VMC 2024 Track 1, which focused on the accurate prediction of naturalness mean opinion score (MOS) for high-quality synthetic speech. In addition to a pretrained self-supervised learning (SSL)-based speech feature extractor, our system incorporates a pretrained image feature extractor to capture the difference of synthetic speech observed in speech spectrograms. We first separately train two MOS predictors that use either of an SSL-based or spectrogram-based feature. Then, we fine-tune the two predictors for better MOS prediction using the fusion of two extracted features. In the VMC 2024 Track 1, our T05 system achieved first place in 7 out of 16 evaluation metrics and second place in the remaining 9 metrics, with a significant difference compared to those ranked third and below. We also report the results of our ablation study to investigate essential factors of our system.
چکیده به فارسی (ترجمه ماشینی)
ما سیستم خود را (با عنوان T05) برای چالش VoiceMos (VMC) 2024 ارائه می دهیم. سیستم ما برای مسیر VMC 2024 1 طراحی شده است ، که بر پیش بینی دقیق نمره متوسط نظر (MOS) برای گفتار مصنوعی با کیفیت بالا متمرکز شده است.علاوه بر یک استخراج کننده ویژگی گفتار مبتنی بر یادگیری مبتنی بر یادگیری خود تحت نظارت (SSL) ، سیستم ما شامل یک استخراج کننده ویژگی تصویر از پیش داده شده برای ضبط تفاوت گفتار مصنوعی مشاهده شده در طیف سنجی گفتار است.ما ابتدا به طور جداگانه دو پیش بینی کننده MO را آموزش می دهیم که از هر یک از ویژگی های مبتنی بر SSL یا مبتنی بر طیف سنجی استفاده می کنند.سپس ، ما دو پیش بینی کننده را برای پیش بینی بهتر MOS با استفاده از همجوشی دو ویژگی استخراج شده تنظیم می کنیم.در مسیر VMC 2024 1 ، سیستم T05 ما در 7 از 16 معیار ارزیابی و مقام دوم در 9 معیار باقیمانده ، مقام اول را کسب کرد ، با تفاوت معنی داری در مقایسه با آن دسته از رتبه های سوم و پایین.ما همچنین نتایج مطالعه فرسایش خود را برای بررسی عوامل اساسی سیستم خود گزارش می دهیم.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
