Pipeline normalizacji, separacji źródeł, diaryzacji, segmentacji VAD, automatycznej transkrypcji i filtrowania jakości dla dużych zbiorów mowy.
A pipeline of normalisation, source separation, diarization, VAD segmentation, automatic transcription and quality filtering for large speech corpora.
Zamiana podcastów, wywiadów i filmów w czyste, podpisane fragmenty mowy, na których można uczyć syntezę i rozpoznawanie mowy.
Turning podcasts, interviews and videos into clean, transcribed speech snippets for training speech synthesis and recognition.
Studyjnych nagrań lektorskich jest mało i brzmią sztucznie, a prawdziwe nagrania mają muzykę, kilku mówców i brak transkrypcji.
Studio narration is scarce and sounds stiff, while real recordings have music, several speakers and no transcripts.
Jak realizator w postprodukcji: wycina podkład, rozdziela głosy, tnie na zdania, spisuje tekst i odrzuca brudne ujęcia.
Like a post-production engineer: removing the music bed, separating voices, cutting into sentences, transcribing and rejecting dirty takes.
Syntezator czyta audiobook z naturalnym śmiechem i wahaniem, bo uczył się na rozmowach, a nie tylko na czytanym tekście.
A synthetic voice reads an audiobook with natural laughs and hesitation, because it learned from conversations, not just read text.