prikaz prve stranice dokumenta Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora
Rad nije dostupan
diplomski rad
Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:173160
Marić, Eduardo
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Marić, E. (2020). Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:173160

Marić, Eduardo. "Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:173160

Marić, Eduardo. "Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:173160

Marić, E. (2020). 'Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 28.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:173160

Marić E. Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 28.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:173160

E. Marić, "Primjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:173160

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:173160
Podaci o radu
NaslovPrimjena umjetnih neuronskih mreža za strojnu tvorbu hrvatskoga govora
Naslov (engleski)Artificial Neural Networks for Croatian Speech Synthesis
AutorEduardo Marić
MentorMarin Vuković (mentor)
Član povjerenstvaMarin Vuković (predsjednik povjerenstva)
Član povjerenstvaMiljenko Mikuc (član povjerenstva)
Član povjerenstvaKrešimir Pripužić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Razvojem metoda strojnoga učenja, uključivo sa umjetnim neuronskim mrežama, otvorile su se prilike za velikim skokovima u strojnoj tvorbi govora, posebice u sustavima koji to čine u objedinjenome ciklusu, end-to-end Text-To-Speech sustavima. Upravo zbog generalne prirode takvih modela, pristup korištenjem umjetnih neuronskih mreža omogućuje primjenu na razne jezike bez značajnih promjena u arhitekturi te pristupu samoga sustava. Sustav Tacotron 2, Mozilla TTS implementacijom, pokazao se kao idealan odabir primjenjiv na korpus hrvatskoga jezika. Ta je pretpostavka u ovome radu i dokazana, uspješnom tvorbom hrvatskoga govora uz minorne ili pak nepostojeće promjene u načinu izvođenja sustava. No, kao preduvjet kvalitetnim rezultatima, objašnjeni su pristupi obradi te pripremi podataka, te pokazana ovisnost kvalitete u kontekstu razumljivosti o količini podataka.
Sažetak (engleski)
With the appearance and development of machine learning models, and an emphasis on artificial neural networks, large leaps in the machine generation of human speech, or otherwise, have been made, especially when considering an end-to-end approach. It is because of the learning nature of the models that artificial neural networks exceed expectations when applied to different sets of data, in this case different languages. Tacotron 2, and the Mozilla TTS implementation, has proven to be the ideal choice for the synthesis of croatian speech, due to the earlier mentioned advantages. That hypothesis has been proven in this paper by successfully synthesizing croatian speech with little to no adjustments to the implementation itself, especially when it comes to the architecture. As a prerequisite for a working system, we have shown that the quality of generated speech, within the context of understandability, is dependant on the size of the dataset on which the model is being trained, while on the other hand predicting that the naturalness of speech rather depends more on the quality of the recordings themselves.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:173160
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 pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 12:58:35