03649ntm a22006377i 4500 000260329 CZ-PrVSE 20220604071223.0 m d cr n|||||||||| 220604s2022 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Kočí, Ondřej ISIS:133117 dis Extrakce prozódických vlastností a syntéza zpěvu pomocí end-to-end sekvence neurálních modulů eng Prosodic feature extraction and singing voice synthesis with an End-to-end Neural network model sequence / Ondřej Kočí 2022 ?? stran : digital, PDF soubor Vedoucí práce: Jan Mittner Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2022 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2022 Prosody is an intrinsic aspect of human speech. However, most popular speech synthesizers ignore it or only use its average representation when synthesizing artificial voices. This thesis proposes a new End-to-End model sequence prototype based on the Deep Neural Network architecture. Utilizing Mellotron (Rafael Valle et al. 2019), Tacotron (Yuxuan Wang et al. 2017), WaveGlow (Ryan Prenger et al. 2018) and other neural models, it can synthesize waveforms with prosody by extracting it from a source audio clip and applying it to synthesized audio. Unlike other models, this prototype uses a popular framework Nvidia NeMo for neural module development (Oleksii Kuchaiev et al. 2019). The prototype can synthesize singing voice clips with pitch and rhythm transfer, which allows it to preserve original characteristics of the source speaker. The prototype also works with datasets based solely on speaking utterances, and therefore does not require a singing corpus to train. This prototype serves as a proof of concept for real-time singing voice synthesis with advanced control over prosodic features supplied via a source audio implemented largely using the models provided by the Nvidia NeMo framework. Způsob přístupu: Internet vývoj informačních systémů [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas Mellotron Tacotron Neural model Neural networks AI Convolution Neuron NeMo Prosody Prosodic feature Singing Neural module Mittner, Jan ISIS:40388 ths Polák, Petr opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/78588/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/78588 Hlavní práce https://insis.vse.cz/zp/78588/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/78588/posudek/oponent/74056 Oponentura https://insis.vse.cz/zp/78588/priloha/23796 Přiloha k práci https://insis.vse.cz/zp/78588/priloha/23797 Přiloha k práci https://insis.vse.cz/zp/78588/priloha/23824 Přiloha k práci https://insis.vse.cz/zp/78588/podrobnosti dc:identifier NEPOSILAT VSKP vse78588 220603 78588