ترجمه فارسی مقاله شبیه سازی صوتی پیشرفته برای نپالی: استفاده از یادگیری انتقال در زبانی با منابع کم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language
عنوان مقاله به فارسی شبیه سازی صوتی پیشرفته برای نپالی: استفاده از یادگیری انتقال در زبانی با منابع کم
نویسندگان Manjil Karki, Pratik Shakya, Sandesh Acharya, Ravi Pandit, Dinesh Gothe
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Artificial Intelligence,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 23 August, 2024; v1 submitted 19 August, 2024; originally announced August 2024. , Comments: 6 pages, 10 figures , MSC Class: 91F20 ACM Class: I.2.7
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛V1 ارسال شده در 19 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 6 صفحه ، 10 شکل ، کلاس MSC: 91F20 ACM کلاس: I.2.7
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Voice cloning is a prominent feature in personalized speech interfaces. A neural vocal cloning system can mimic someone's voice using just a few audio samples. Both speaker encoding and speaker adaptation are topics of research in the field of voice cloning. Speaker adaptation relies on fine-tuning a multi-speaker generative model, which involves training a separate model to infer a new speaker embedding used for speaker encoding. Both methods can achieve excellent performance, even with a small number of cloning audios, in terms of the speech's naturalness and similarity to the original speaker. Speaker encoding approaches are more appropriate for low-resource deployment since they require significantly less memory and have a faster cloning time than speaker adaption, which can offer slightly greater naturalness and similarity. The main goal is to create a vocal cloning system that produces audio output with a Nepali accent or that sounds like Nepali. For the further advancement of TTS, the idea of transfer learning was effectively used to address several issues that were encountered in the development of this system, including the poor audio quality and the lack of available data.

چکیده به فارسی (ترجمه ماشینی)

کلونینگ صوتی یک ویژگی برجسته در رابط های گفتاری شخصی است.یک سیستم کلونینگ صوتی عصبی می تواند با استفاده از چند نمونه صوتی ، صدای کسی را تقلید کند.رمزگذاری بلندگو و سازگاری بلندگوها مباحث تحقیق در زمینه کلونینگ صوتی هستند.سازگاری بلندگو به تنظیم دقیق یک مدل تولیدی چند بلندگو متکی است ، که شامل آموزش یک مدل جداگانه برای استنباط یک بلندگو جدید است که برای رمزگذاری بلندگو استفاده می شود.هر دو روش از نظر طبیعی بودن و شباهت گفتار و شباهت با بلندگو اصلی می توانند به عملکرد عالی ، حتی با تعداد کمی از صوتی های کلونینگ ، دست یابند.رویکردهای رمزگذاری بلندگو برای استقرار کم منبع مناسب تر است زیرا به حافظه قابل توجهی نیاز دارند و زمان کلونینگ سریعتر از سازگاری بلندگو دارند که می تواند طبیعی بودن و شباهت کمی بیشتر داشته باشد.هدف اصلی ایجاد یک سیستم کلونینگ آوازی است که با لهجه نپالی تولید صدا را تولید می کند یا به نظر می رسد نپالی است.برای پیشرفت بیشتر TTS ، از ایده یادگیری انتقال به طور موثری برای پرداختن به چندین مسئله که در توسعه این سیستم با آن روبرو شده اند ، از جمله کیفیت صوتی ضعیف و کمبود داده های موجود استفاده شده است.

📚 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.