Атты І халықаралық конференция ЕҢбектері
жүктеу/скачать 8,57 Mb. Pdf көрінісі
|
Болатбек М. (1)
| Звуковой корпус
В качестве исходного материала при создании моделей фонем языка используется корпус звучащей речи. При этом необходимо наличие аннотации корпуса, включающей в себя текстовую и/или фонетическую разметку всех речевых фрагментов. Однако ручное фонетическое аннотирование является очень дорогостоящим и длительным процессом, а также требует наличие множества квалифицированных фонетистов, что делает затруднительным создание данного типа разметки для корпуса татарского речи. Альтернативным решением служит подход под название phoneme alignment, который позволяет в параллельном режиме осуществлять как фонетическую разметку корпуса, так и обучение моделей фонем. Данный подход был использован в работе, а для его применения была создана текстовая аннотация записанных голосовых файлов. Первым этапом создания корпуса звучащей речи является формирование текста для озвучивания. При создании фонетического анализатора в качестве искомой характеристики текста оправдан выбор показателя частотности употребления входящих в него слов. Для этого были проанализированы 5061 текст татарской литературы и публицистики. Основные характеристики использованных произведений представлены в Таблице 1. Таблица 1. Характеристика исходных текстов на татарском языке. Параметр Значение Количество текстов 5061 Общий объем текстов 337 МБ Общее количество слов 25 584 505 Количество различных слов 1 418 909 На основе данных текстов была построена статистика частотности слов. Первые 10788 самых часто употребимых слова были выбраны для озвучивания в речевом корпусе. Запись звуковых фрагментов осуществлялась со следующими параметрами: формат файла: WAV PCM; частота дискретизации: 22 kHz; количество бит на отсчет: 16 бит. Созданный корпус имеет параметры, представленные в Таблице 2. 227 Таблица 2. Основные характеристики звукового корпуса. Параметр Значение Общее количество файлов 10788 Общая продолжительность записей 4:56:45 Количество файлов в обучающем корпусе 9631 Продолжительность обучающем корпусе 4:26:42 Количество файлов в тестовом корпусе 1157 Продолжительность тестовом корпусе 0:30:03 жүктеу/скачать 8,57 Mb. Достарыңызбен бөлісу:
|