Presná definícia
Čo znamená modelovanie prozódie?
Modelovanie prozódie reprezentuje a predikuje suprasegmentálne vlastnosti reči, najmä rytmus, trvanie, prízvuk, intonáciu a frázovanie. V TTS rozhoduje, ako sa text povie nad rámec foném. Prozódia závisí od syntaxe, významu, štýlu a hovoriaceho a nemá jedinú správnu realizáciu.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Čítačka správ zvýrazní otázky, čísla a citácie vhodnou intonáciou bez napodobňovania konkrétneho moderátora. Editor môže označiť dôraz a pauzu v štruktúrovanom vstupe. Eval kombinuje F0 a trvanie s posluchovým testom zrozumiteľnosti a primeranosti.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje modelovanie prozódie?
Model predikuje trvanie foném, kontúru F0, energiu alebo latentný style token a podmieňuje nimi akustický decoder.
Kedy má modelovanie prozódie praktický význam?
Čítačka správ zvýrazní otázky, čísla a citácie vhodnou intonáciou bez napodobňovania konkrétneho moderátora.
S čím si pojem nezamieňať?
Pronunciation modeling určuje segmentálnu fonémovú podobu; prosody modeling riadi časovanie a melódiu nad týmito segmentmi.
Ako sa výsledok kontroluje?
Kontroluje sa chyba trvania a F0, korelácia energie, MOS, preferencia štýlu, zrozumiteľnosť dôrazu a stabilita.
Na čo si dať pozor?
Priemerná prozódia znie plocho, prehnaná mení význam a latentný štýl môže zachytiť aj identitu či emóciu z tréningových dát.