تاكوترون: نحو توليف الكلام من النهاية إلى النهاية

نظام تحويل النص إلى كلام عادةً ما يتكون من مراحل متعددة، مثل واجهة تحليل النص، نموذج الصوتية (acoustic model) ووحدة التركيب الصوتي. بناء هذه المكونات غالبًا ما يتطلب خبرة واسعة في المجال وقد يحتوي على اختيارات تصميم هشة. في هذا البحث، نقدم تاكترون (Tacotron)، وهو نموذج تحويل النص إلى كلام جينريكي من البداية إلى النهاية يقوم بتركيب الكلام مباشرة من الحروف. بالنظر إلى أزواج <نص، صوت>، يمكن تدريب النموذج تمامًا من الصفر مع التهيئة العشوائية. نقدم عدة تقنيات رئيسية لجعل إطار العمل التتابعي للسلاسل يعمل بشكل جيد لهذه المهمة الصعبة. يحقق تاكترون درجة رأي موضوعية متوسطة قدرها 3.82 على مقياس الخمس نقاط للإنجليزية الأمريكية، مما يتفوق على نظام الإنتاج المعلمي من حيث الطبيعية. بالإضافة إلى ذلك، بما أن تاكترون يولد الكلام على مستوى الإطار، فإنه أسرع بكثير من الطرق الذاتية الانحدارية على مستوى العينة.