Statistical parametric speech synthesis using deep neural networks

Bu makale, metinden konuşmaya (TTS) sistemleri için geliştirilmiş yeni bir sinir ağı mimarisi olan 'Sequence-to-Sequence' modelini tanıtmaktadır. Geleneksel TTS sistemlerinin birçok bileşenini tek bir sinir ağı modelinde birleştirerek, daha doğal ve akıcı konuşma sentezi elde etmeyi amaçlar. Model, girdi metnini bir dizi vektöre dönüştüren bir kodlayıcı ve bu vektörlerden konuşma parametrelerini üreten bir çözücü içerir. Ayrıca, dikkat mekanizması kullanılarak girdi ve çıktı dizileri arasındaki ilişki öğrenilir, bu da modelin uzun ve karmaşık cümleleri daha iyi işlemesini sağlar.