SeeplessExpressivelm با حفظ معناشناسی و سبک آواز بلندگو ، ترجمه گفتار را تغییر می دهد

چکیده و 1 مقدمه

  1. کار مرتبط
  2. مدل
  3. آزمایشات
  4. مطالعه اتساع
  5. نتیجه گیری ، محدودیت ها و خطرات

چکیده

ترجمه بیان به گفتار به گفتار (S2ST) یک موضوع اصلی تحقیق در ارتباطات بدون درز است ، که بر حفظ معناشناسی و سبک آواز بلندگو در گفتار ترجمه شده متمرکز است. آثار اولیه به منظور یادگیری مستقیم نقشه برداری از گفتار به طیف سنجی گفتار هدف ، سبک بلندگو را تراز کرد. بدون اتکا به داده های تراز شده سبک ، مطالعات اخیر از پیشرفت های مدل سازی زبان (LM) استفاده می کند و LM های آبشار را بر روی نشانه های معنایی و صوتی ایجاد می کند. این کار SeeplessExpressivelm ، یک الگوی زبان گفتار واحد برای S2ST بیانگر را پیشنهاد می کند. ما نقشه برداری گفتار منبع به هدف پیچیده را در مراحل نسل میانی با فوریت های زنجیره ای از آن تجزیه می کنیم. این مدل ابتدا برای ترجمه محتوای معنایی هدف هدایت می شود و سپس سبک بلندگو را به واحدهای صوتی چند جریان منتقل می کند. ارزیابی شده در ترجمه های اسپانیایی به انگلیسی و مجارستانی به انگلیسی ، Seeplessexpressivelm از LMS Cascaded در هر دو کیفیت معنایی و انتقال سبک استفاده می کند ، در عین حال به کارآیی پارامترهای بهتر دست می یابد

1. مقدمه

ترجمه برای تجزیه موانع زبانی بین پیشینه های زبانی متنوع ، … بسیار مهم است.

Source link