2021-3-20组会 Chinese Text Normalization

最新推荐文章于 2024-05-17 14:45:58 发布
最新推荐文章于 2024-05-17 14:45:58 发布
阅读量440 收藏 1
点赞数
分类专栏： 研三-语音合成论文 文章标签： 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013625492/article/details/115028837
版权

0. 说明

TTS 中前端很重要的工作

  • 看上去很简单, 但其实特别特别复杂, 特别麻烦, 特别难
  • 目前如 Crystal, 都是有大约 300 条的规范文件, 通过 Rule 来解决这些问题
  • 那么基于数据的方法, 都有哪些呢, 能不能完全暴力堆数据, 通过覆盖和训练来完成呢?
  • 而且这个貌似是一个一劳永逸的过程, 并不像 TTS 每个人都有特点, 需要训练自己的 TTS 的难点一样

1. 问题背景

 

ruclion
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
A log-Linear Model for Unsupervised Text Normalization阅读笔记
01-03
A log-Linear Model for Unsupervised Text Normalization文档的阅读笔记，借以理解重要性采样、序贯重要性采样
breast-mri-normalization
05-08
乳腺DCE-MRI图像强度归一化的Pytorch实施。 该软件包包括用于乳腺DCE-MRI和强度归一化的3D组织分割。 该代码是由杜克大学放射学系的Jun Zhang编写的。 应用领域 乳房，致密组织和心脏的3D组织分割 先决条件 Linux python 2.7 NVIDIA GPU + CUDA CuDNN入门 安装 从安装pytorch和依赖项。用pip安装SimpleITK安装SimpleITK用pip安装numpy，scipy和matplotlib安装numpy scipy matplotlib cd NormCode / Code将我们的预训练模型与GPU配合使用 python main.py --pre ../TestData/test_pre.nii.gz --post1 ../TestData/test_post1.nii.gz 使用CPU python应用我们的
GroupNormalization-keras:keras 实现组规范化。 https
05-29
GroupNormalization_keras keras 实现组规范化。 吴宇新和何开明 [WIP警报] 该存储库仍在进行中。 组标准化的功能尚未完全检查。 实现可能是错误的。 用法 from GroupNormalization import GroupNormalization # GroupNormalization(axis=-1, epsilon=1e-6, group=32, **kwargs) G = 8 model = Sequential () model . add ( Conv2D ( 32 , kernel_size = ( 3 , 3 ), kernel_initializer = 'he_normal' , input_shape = input_shape )) model . add ( GroupNormalization ( group =
text_normalization
04-30
text_normalization 用于将文本规范化为规范形式的Python模块。 安装 pip install normalization 例子 import normalization ## Whitespace Normalization # Output: "This is not a normal sentence structure. The spaces are incoherant." normalization . whitespace ( "This is not a normal sentence structure . The spaces are incoherant ." ) ## Capitalization Normalization # Output: "This is not capitalized. It should be
speechIO/chinese-text-norm中的THRAX安装问题
dancingCod的博客
08-09 198
机器环境： gcc=4.9.4 openfst=1.6.7 thrax=1.2.6 git拉取代码：https://github.com/speechio/chinese_text_normalization.git 然后执行： cd $KALDI_ROOT/tools/openfst 进入openfst目录，如果是非root权限安装，需要加上--prefix=/your/own/path/，例如装在/home/xxx/openfst-1.6.7/，分步执行命令： ./configure -
chinese_text_normalization:中文文本归一化语音处理
05-25
中文文本规范化语音处理 问题 在Google和Github上搜索“文本规范化”（TN），您几乎找不到“可读使用”的文本规范化任务的开源项目。 而是找到了一堆支持TN功能的NLP工具包或框架。 在“支持文本标准化”和“进行文本标准化”之间有很多工作。 原因 TN或多或少地取决于语言。 某些TN处理方法可在多种语言之间共享，但是一个好的TN模块总是或多或少地包含特定于语言的知识和处理方法。 TN是特定于任务的。 即使对于相同的语言，不同的应用程序也需要完全不同的TN。 TN是“脏”的 无论您选择什么工具包和框架，构造和维护一组TN重写规则都是很痛苦的。 TN任务本身隐藏着细微而固有的复杂性，而不是工具或框架中。 成熟的TN模块是一项资产 由于构建和维护TN十分困难，因此实际上对于商业公司而言是一项资产，因此不太可能在开源社区中找到产品级别的TN（如果发现任何问题，请纠正我） TN对
基于规则的语音合成中文文本前端设计
小湉湉的博客
10-25 462
语音合成经典模型结构介绍
文本规范化（Text Normalization）
披风秃头侠的博客
03-13 1万+
文本规范化问题作为自然语言处理中的重要一步，很多人对此进行了各种研究。在本文中，我们提出了一种解决此问题的新模型，GRFE（Gated Recurrent Feature Extractor）。该模型充分利用了符号的类别信息，并据此规范化符号。应用此模型，不仅可以提高神经网络的鲁棒性，而且还可以避免”all sillyerrors”.实验表明，与以往模型相比，该模型的参数个数更少。GRFE...
【笔记】《Speech and Language Processing》Chapter 2 Text Normalization 文本规范化
_Ronnie_的博客
07-05 619
C2. Text Normalization 处理文本之前还需要Text Normalization。归结起来有以下几种Normalization方式： Tokenizing (segmenting) words Normalizing word formats Segmenting sentences 1. 用Unix工具进行粗略的Tokenization和Normalization 可以使用几个Unix命令进行粗略的标注和标准化（以及词频统计）。如tr，可以更改输入为特定的字符；sort，可以将输入
语音合成学习（一）综述
weixin_40620310的博客
12-23 9618
一、资料推荐 爱丁堡大学课程（全英文，有能力的推荐学习一遍）：https://speech.zone/courses/speech-synthesis/ TensorflowTTS（比较系统的开源项目）：https://github.com/TensorSpeech/TensorFlowTTS 二、基础概念介绍 1、时域：波形的振幅、频率； 2、频域： 傅里叶变换：每个复杂的波形都可以由不同频率的正弦波组成； 语谱（spectrum）：描述了信号包含的频率成分和它们的幅度； 语谱图（spectrogram
Laravel开发-normalization-request-uri
08-28
Laravel开发-normalization-request-uri Laravel 4的规范化请求URI
Google Text Normalization Challenge（Google文字规范化挑战）-数据集
03-04
Text-to-speech synthesis text normalization data, from Sproat & Jaitly 2016 Google Text Normalization Challenge.xlsx
不同Normalization之间的比较
芒果干的博客
11-20 1754
Normalization1. Batch Normalization2. Instance Normalization3. Layer Normalization4. Group Normalization 不同Normalization之间的具体区别和优缺点我也不是很清楚，这里只是展示他们的具体运行机制 1. Batch Normalization 加速收敛，归一化为标准正态分布，能够解决梯度消失的问题 图像分类任务一般用Batch Normalization，不用Instance Normalizat
中文文本分类（基于Pytorch）
热门推荐
sikh_0529的博客
09-14 1万+
我从THUCNews中抽取了20万条新闻标题，文本长度在20到30之间。一共10个类别，每类2万条。搜狗新闻 Word+Character 300d。类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐。
Chapter 2 Regular Expressions, Text Normalization, Edit Distance
boywaiter的专栏
04-24 1145
Chapter 2 Regular Expressions, Text Normalization, Edit Distance Speech and Language Processing ed3读书笔记 text normalization: converting text to a more convenient, standard form. tokenization: separate...
WeNet 丨 WeTextProcessing
weixin_48827824的博客
10-08 2085
站在这些优秀开源项目的肩膀上，WeTextProcessing秉承 简单易用 和Production First & Production Ready 的原则，为中文专门设计和实现一款开源易用的 TN / ITN 工具，它不仅仅包含了包含一套完整的中文 TN / ITN 规则语法，同时也提供了一个可以一键 pip install 使用的 py工具包以及比Sparrowhawk 依赖项更少（生产环境下仅依赖 OpenFst ）的整体更轻量化的 C++ 规则处理引擎。另一个较为成熟的项目是英伟达公司开源的。
java写pdf中文不显示_java – iText pdf在使用NOTO字体或Source Hans时不显示中文字符...
weixin_31635001的博客
03-08 805
我正在尝试使用NOTO字体(https://www.google.com/get/noto/)来显示中文字符.这是我的示例代码,来自iText的修改示例代码.public void createPdf(String filename) throws IOException, DocumentException {Document document = new Document();PdfWrite...
基于大语言模型的应用
最新发布
yueshu_graph的博客
05-17 295
在AI领域，大语言模型已成为备受瞩目的焦点，尤其在自然语言处理（NLP）领域，其应用愈发广泛。BLM作为一种多任务语言建模方法，旨在构建一个具备多功能的强大模型。在给定文本和查询条件下，该模型能够充分利用上下文中的丰富信息，如查询内容、特定任务或领域知识，以生成准确而恰当的答案。这一特性使得BLM在优化自然语言处理任务中展现出巨大潜力。
Dual-Normalization
04-05
Dual-normalization is a technique used in natural language processing (NLP) to improve the performance of language models. It involves normalizing the input data and the output data of the model ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值