prikaz prve stranice dokumenta Sinteza govora iz teksta upotrebom dubokog učenja
  Preuzmi
PDF 2.69 MB
diplomski rad
Sinteza govora iz teksta upotrebom dubokog učenja
2020. urn:nbn:hr:200:883519
Džijan, Matej
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Citirajte ovaj rad

Džijan, M. (2020). Sinteza govora iz teksta upotrebom dubokog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:883519

Džijan, Matej. "Sinteza govora iz teksta upotrebom dubokog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:883519

Džijan, Matej. "Sinteza govora iz teksta upotrebom dubokog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:883519

Džijan, M. (2020). 'Sinteza govora iz teksta upotrebom dubokog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 20.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:883519

Džijan M. Sinteza govora iz teksta upotrebom dubokog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2020 [pristupljeno 20.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:883519

M. Džijan, "Sinteza govora iz teksta upotrebom dubokog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:883519

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:883519
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovSinteza govora iz teksta upotrebom dubokog učenja
Naslov (engleski)Text to speech using deep learning
AutorMatej Džijan
MentorRatko Grbić (mentor)
Član povjerenstvaRatko Grbić (predsjednik povjerenstva)
Član povjerenstvaEmmanuel Karlo Nyarko (član povjerenstva)
Član povjerenstvaPetra Đurović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2020-09-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Ovaj diplomski rad se bavi problematikom sinteze govora iz teksta. Cilj rada bio je realizirati model za sintezu govora iz teksta za hrvatski jezik. Za početak je dana osnovna terminologija ovog područja. Nakon toga su uspoređena neka od postojećih rješenja za problem sinteze govora iz teksta. Zadatak ovog diplomskog rada riješen je korištenjem modela Tacotron 2, koji je detaljno objašnjen. Za potrebe učenja, prvo je izrađen podatkovni skup sastavljen od pročitanih rečenica na hrvatskom jeziku s pripadajućim transkriptom. Nakon izrade podatkovnog skupa, model je prilagođen za hrvatski jezik. Model je treniran na predtreniranom modelu za engleski jezik što je uvelike ubrzalo i olakšalo treniranje. Nakon treniranja, odabran je konačni model koji je dalje evaluiran. Model je evaluiran korištenjem anketa u kojima su ispitanici ocjenjivali sintetizator na testnim rečenicama, uspoređivali ih s izgovorenim rečenicama i ocjenjivali sintetizator na rečenicama podijeljenim u kategorije. Također je provedena i analiza pogrešaka u sintetiziranim rečenicama.
Sažetak (engleski)
This thesis deals with the issue of speech synthesis from text. The aim of the paper was to realize a text-to-speech model for the Croatian language. To begin with, the basic terminology of the area was given. After that, some of the existing solutions for text-to-speech were compared. The task of this thesis was solved using the Tacotron 2 model, which is explained in detail. For training purposes, a data set consisting of read sentences in Croatian with the accompanying transcript was first created. After creating the data set, the model was adapted for the Croatian language. The model was trained on a pre-trained model for the English language which greatly accelerated and facilitated the training. After training, the final checkpoint was selected which was then used for evaluation. The model was evaluated using surveys in which subjects rated the synthesizer on test sentences, compared them to spoken sentences, and rated the synthesizer on sentences divided into categories. Error analysis of the synthesized sentences was also performed.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:883519
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-11-19 10:49:19