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
Recent advancements in text-to-speech (TTS) synthesis show that large-scale models trained with extensive web data produce highly natural-sounding output. However, such data is scarce for Indian languages due to the lack of high-quality, manually subtitled data on platforms like LibriVox or YouTube. To address this gap, we enhance existing large-scale ASR datasets containing natural conversations collected in low-quality environments to generate high-quality TTS training data. Our pipeline leverages the cross-lingual generalization of denoising and speech enhancement models trained on English and applied to Indian languages. This results in IndicVoices-R (IV-R), the largest multilingual Indian TTS dataset derived from an ASR dataset, with 1,704 hours of high-quality speech from 10,496 speakers across 22 Indian languages. IV-R matches the quality of gold-standard TTS datasets like LJSpeech, LibriTTS, and IndicTTS. We also introduce the IV-R Benchmark, the first to assess zero-shot, few-shot, and many-shot speaker generalization capabilities of TTS models on Indian voices, ensuring diversity in age, gender, and style. We demonstrate that fine-tuning an English pre-trained model on a combined dataset of high-quality IndicTTS and our IV-R dataset results in better zero-shot speaker generalization compared to fine-tuning on the IndicTTS dataset alone. Further, our evaluation reveals limited zero-shot generalization for Indian voices in TTS models trained on prior datasets, which we improve by fine-tuning the model on our data containing diverse set of speakers across language families. We open-source all data and code, releasing the first TTS model for all 22 official Indian languages.
چکیده به فارسی (ترجمه ماشینی)
پیشرفت های اخیر در سنتز متن به گفتار (TTS) نشان می دهد که مدل های در مقیاس بزرگ که با داده های وب گسترده آموزش دیده اند ، تولید بسیار طبیعی با صدای طبیعی را تولید می کنند.با این حال ، چنین داده هایی به دلیل عدم وجود داده های با کیفیت بالا و زیرنویس دستی روی سیستم عامل هایی مانند Librivox یا YouTube ، برای زبانهای هندی کمیاب است.برای پرداختن به این شکاف ، ما مجموعه داده های موجود در مقیاس بزرگ ASR حاوی مکالمات طبیعی جمع آوری شده در محیط های با کیفیت پایین را برای تولید داده های آموزش TTS با کیفیت بالا تقویت می کنیم.خط لوله ما از تعمیم متقابل مدلهای تقویت کننده و تقویت گفتار که به زبان انگلیسی آموزش داده شده و به زبان های هندی اعمال می شود ، استفاده می کند.این نتیجه در Indicvoices-R (IV-R) ، بزرگترین مجموعه داده TTS چند زبانه هندی حاصل از یک مجموعه داده ASR ، با 1،704 ساعت گفتار با کیفیت بالا از 10،496 بلندگو در 22 زبان هندی است.IV-R با کیفیت مجموعه داده های TTS استاندارد طلا مانند LJSpeech ، Libritts و Indictts مطابقت دارد.ما همچنین معیار IV-R را معرفی می کنیم ، اولین کسی که قابلیت های تعمیم صفر ، چند ضربه ای و بسیاری از بلندگوهای مدلهای TTS را بر روی صداهای هندی ارزیابی می کند و از تنوع در سن ، جنس و سبک اطمینان می دهد.ما نشان می دهیم که تنظیم دقیق یک مدل از پیش آموزش انگلیسی انگلیسی بر روی یک مجموعه داده ترکیبی از شاخص های با کیفیت بالا و مجموعه داده های IV-R ما منجر به تعمیم بلندگو صفر بهتر در مقایسه با تنظیم دقیق در مجموعه داده های Dindictts می شود.علاوه بر این ، ارزیابی ما تعمیم صفر را برای صداهای هندی در مدل های TTS آموزش داده شده در مجموعه داده های قبلی نشان می دهد ، که ما با تنظیم دقیق مدل بر روی داده های خود حاوی مجموعه متنوعی از بلندگوها در خانواده های زبان بهبود می یابیم.ما تمام داده ها و کد ها را باز می کنیم و اولین مدل TTS را برای هر 22 زبان رسمی هندی منتشر می کنیم.
📚 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
