Синтез речи на основе нейронной сети?

Question

[Дониёр Маматкулов]

Здравствуйте. Интересует тема синтеза речи из текста с использованием нейронных сетей. Озвучиваемый язык - узбекский - его синтезом никто не занимался. Вот уже пару-тройку дней читаю статьи на тему TTS, курю доки))
Наткнулся на этот ресурс. Думаю проделать, что там написано, но чую, что очень всё поверхностно. Есть ли кто вплотную занимается text-to-speech? Правильно ли я выбрал инструмент Torch для машинного обучения? Посоветуйте статейки для базового синтеза речи "нового" языка.

Comments

[longclaps]

Начни с простого: попробуй осознать, что никакой инструмент для машинного обучения не генерит речь из ничего. Он нуждается в огромном массиве размеченых данных - этой самой узбекской речи. У тебя это есть - нет. Отдыхай.

Answer 1

[Арсений Кравченко]

Первый torch (который на lua) - уже история, смотрите на pytorch. Но вообще в комментарии выше правильно сакцентрировали, что очень многое зависит от датасетов, а публичных датасетов узбекской речи, скорее всего, нет.

Comments

[Дониёр Маматкулов]

Спасибо. Значит, нужно копать в сторону создания датасетов. Вопрос - как?

[Владимир Олохтонов]

Дониёр Маматкулов, можете вот отсюда начать: https://medium.com/@klintcho/creating-an-open-spee...

Там решается обратная задача, но суть та же.