معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

articubench - An Articulatory Speech Synthesis Benchmark

ویژگی	مقدار
سیستم عامل	-
نام فایل	articubench-0.1.0
نام	articubench
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Konstantin Sering, Paul Schmidt-Barbo
ایمیل نویسنده	konstantin.sering@uni-tuebingen.de
آدرس صفحه اصلی	https://github.com/quantling/articubench
آدرس اینترنتی	https://pypi.org/project/articubench/
مجوز	GPLv3+

articubench =========== A benchmark to evaluate articulatory speech synthesis systems. This benchmark uses the VocalTractLab [1] as its articulatory speech synthesis simulator. .. warning:: This package is not released yet and will be released in March 2022 alongside the ESSV 2022 conference. Types of data ------------- * wave form (acoustics) * log-melspectrogramms (acoustics) * formant transitions (acoustics) * fasttext 300 dim semantic vector for single words (semantics) * mid sagital tongue movement contour from ultra sound imaging * electromagnetic articulatory (EMA) sensors on tongue tip and tongue body Languages --------- * German * English (planned) * Mandarin (planned) Variants -------- As running the benchmark is computational itensive there are different versions of this benchmark, which require different amounts of articulatory synthesis. Tiny ^^^^ The smallest possible benchmark to check that everything works, but with no statistical power. Small ^^^^^ A small benchmark with some statistical power. Normal ^^^^^^ The standard benchmark, which might take some time to complete. Corpora ------- Data used here comes from the following speech corpora: * GECO (only phonetic transscription; duration and phone) * KEC (EMA data, acoustics) * Mozilla Common Voice * baba-babi-babu speech rate (ultra sound; acoustics) Prerequisits ------------ For running the benchmark: * python >=3.8 * praat For creating the benchmark: * mfa (Montreal forced aligner) * VTL 2.3 (included in this repository) License ------- * VTL is GPLv3.0+ license Links ----- * [1] https://www.vocaltractlab.de/

نحوه نصب

نصب پکیج whl articubench-0.1.0:

pip install articubench-0.1.0.whl

نصب پکیج tar.gz articubench-0.1.0:

pip install articubench-0.1.0.tar.gz