Нейронная генерация речи оценивается с помощью таких метрик, как SBS, MOS. Эти метрики вычисляются на основе субъективных оценок специальных людей — асессоров. Требуется создать модели глубокого обучения для оценки этих метрик без участия человека. Проблема в том, что в уже существующих подходах оценка производится по аудио без соответствующего текста. Такие модели плохо работают с пунктуацией, вопросительными интонациями, контекстами. Необходимо создать модель, которая проивзодит оценку метрик...Подробнее

Создание моделей глубокого обучения для оценки метрик SBS, MOS

Еженедельные онлайн-встречи Встречи с куратором проекта от ВК (действующий специалист в области TTS)

Результаты проекта будут представлены в виде сервиса. На вход: текст и аудио сгенерированной речи, на выходе оценка метрик.

Доступ к суперкомпьютеру CHARISMA

Исследование существующих решений Синтетический набор данных