Full metadata record
DC FieldValueLanguage
dc.contributor.authorJůzová, Markéta
dc.contributor.authorTihelka, Daniel
dc.contributor.authorVít, Jakub
dc.date.accessioned2022-03-14T11:00:20Z-
dc.date.available2022-03-14T11:00:20Z-
dc.date.issued2019
dc.identifier.citationJŮZOVÁ, M. TIHELKA, D. VÍT, J. Unified Language-Independent DNN-Based G2P Converter. In Proceedings of the 20th Annual Conference of the International Speech Communication Association (Interspeech 2019). Red Hook, NY: Curran Associates, Inc., 2019. s. 2085-2089. ISBN: 978-1-5108-9683-3 , ISSN: 2308-457Xcs
dc.identifier.isbn978-1-5108-9683-3
dc.identifier.issn2308-457X
dc.identifier.uri2-s2.0-85098105505
dc.identifier.urihttp://hdl.handle.net/11025/47118
dc.description.abstractPředstavujeme jednotný model pro převod grafémů na fonémy založený na hlubokých neuronových sítích. Na rozdíl od obvyklých přístupů, které používají pro trénovaní slovník, používáme celé fráze, což nám umožňuje zachytit různé jazykové vlastnosti, např. spodobu znělosti přes hranici slov, bez nutnosti definovat specifika pro konkrétní jazyk. Vyhodnocení přístupu probíhá na třech různých jazycích - angličtině, češtině a ruštině. Každý z nich vyžaduje řešení specifických vlastností, a proto to obvykle vede k použití odlišných přístupů. První výsledky použití navrhovaného modelu prokazují, že je schopný se specifika jednotlivých jazyků naučit. Považujeme tedy model za jazykově nezávislý pro širokou škálu jazyků.cs
dc.format5 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherInternational Speech Communication Association (ISCA)en
dc.relation.ispartofseriesProceedings of the 20th Annual Conference of the International Speech Communication Association (Interspeech 2019)en
dc.rightsPlný text není přístupný.cs
dc.rights© International Speech Communication Associationen
dc.subjectpřevod grafémy-fonémy, fonetická transkripce, hluboké neuronové sítě se zpětnou vazbou, syntéza řečics
dc.titleUnified Language-Independent DNN-Based G2P Converteren
dc.title.alternativeSjednocený jazykově nezávislý model fonetické transkripce založený na hlubokých neuronových sítíchcs
dc.typekonferenční příspěvekcs
dc.typeConferenceObjecten
dc.rights.accessclosedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedWe introduce a unified Grapheme-to-phoneme conversion framework based on the composition of deep neural networks. In contrary to the usual approaches building the G2P frameworks from the dictionary, we use whole phrases, which allows us to capture various language properties, e.g. cross-word assimilation, without the need for any special care or topology adjustments. The evaluation is carried out on three different languages -- English, Czech and Russian. Each requires dealing with specific properties, stressing the proposed framework in various ways. The very first results show promising performance of the proposed framework, dealing with all the phenomena specific to the tested languages. Thus, we consider the framework to be language-independent for a wide range of languages.en
dc.subject.translatedgrapheme-to-phoneme, phonetic transcription, recurrent deep neural network, speech synthesisen
dc.identifier.doi10.21437/Interspeech.2019-2335
dc.type.statusPeer-revieweden
dc.identifier.obd43926897
dc.project.IDGA19-19324S/Plně trénovatelná syntéza české řeči z textu s využitím hlubokých neuronových sítícs
dc.project.IDSGS-2019-027/Inteligentní metody strojového vnímání a porozumění 4cs
Appears in Collections:Konferenční příspěvky / Conference Papers (KKY)
OBD

Files in This Item:
File SizeFormat 
Interspeech_2019_2335_juzova_tihelka_vit.pdf209,88 kBAdobe PDFView/Open    Request a copy
Show simple item record


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/47118

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

search
navigation
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD