بهبود مدلسازی دیرش زمانی واج با استفاده از ماشین پشتیبان بردار برای استفاده در تبدیل متن به گفتار فارسی

در این مقاله کاربرد ماشین پشتیبان بردار در مدلسازی دیرش واج، برای سیستم تبدیل متن به گفتار فارسی، ارائه شده وبهبود هایی در زمان آموزش و تست آن صورت گرفته است. بدین منظور به سه شیوه عمل شده است، ابتدا ماشین بردار پشتیبان به طور مستقیم به کار گرفته شده است که در نتیجه آن مدلی با ضریب همبستگی 83/9% برای داده های آزمایشی بدست آمده است. سپس با استفاده از چندی سازی برداری، تعداد داده های آموزشی، به میزان قابل توجهی کاهش داده شده و ماشین بردار پشتیبان با داده هایجدید و با زمان اموزش بسیار کمتر، مورد استفاده قرار گرفته است و در نتیجه آن مدلی با ضریب همبستگی 83/9% بدست آمد که نشان دهنده آن است که کاهش راندمان با وجود کاهش چشمگیر حجم محاسبات، ناچیز و قابل چشم پوشی است. در اخر نیز، داده های آموزشی با توجه به میزان دیرششان، به 5 دسته تقسیم شده و برای هر دسته، یک طبقه بندی کننده و یک مدل تخمین، ایجاد شد و مدلی با ضریب همبستگی 83/46% بدست امد. استفاد ه از این دو تکنیک آخر باعث افزایش سرعت ماشین بردار پشتیبان، با حفظ کارایی شده است. نتایج تست MOS برای داده های تست، 3/83 بوده است.

Keywords:

تبدیل متن به گفتار , دیرش زمانی , ماشین پشتیبان بردار , نوای گفتار