Оценка качества синтеза речи с применением попарного сравнения и сиамской нейронной сети

Авторы и правообладатели:

• Шелупанов А. А. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Костюченко Е. Ю. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Погорелов Г. Л. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Никитин Н. Д. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Максимов А. В. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)

• 1. Репьюк Н.С. Программный комплекс для исследования речевых сигналов / Н.С. Репьюк, А.А. Конев // Доклады ТУСУР. – 2025. – Т. 28, № 1. – С. 93–99.
• 2. ГОСТ Р 50840–95. Передача речи по трактам связи. Методы оценки качества, разборчивости и узнаваемости. – М.: Изд-во стандартов, 1996. – 18 с.
• 3. Kostuchenko E. The evaluation process automation of phrase and word intelligibility using speech recognition systems / E. Kostuchenko et al. // International Conference on Speech and Computer. – Istanbul, Turkey, Cham: Springer, 2019. – P. 237–246.
• 4. Семенчук К.В. Сущность метода попарного сравнения в функционально-стоимостном анализе / К.В. Семенчук, П.Е. Минкевич, А.А. Пузыревская // Science Time. – 2016. – № 12. – С. 107–109.
• 5. Оценка качества синтезированной речи: проблемы и решения / А.И. Соломенник, А.О. Таланов, М.В. Соломенник и др. // Известия вузов. Приборостроение. – 2013. – Т. 56, № 2. – С. 38–41.
• 6. Новохрестова Д.И. Алгоритм и методика количественной оценки схожести речевых сигналов / Д.И. Новохрестова, Е.Ю. Костюченко, И.А. Ходашинский // Доклады ТУСУР. – 2022. – Т. 25, № 3. – С. 45–51.
• 7. Сорокин В.Н. Распознавание личности по голосу: аналитический обзор / В.Н. Сорокин, В.В. Вьюгин, А.А. Тананыкин // Информационные процессы. – 2012. – Т. 12, № 1. – С. 1–30.
• 8. A Survey of Audio Classification Using Deep Learning / K. Zaman, M. Sah, C. Direkoglu, M. Unoki // IEEE Access. – 2023. – Vol. 11. – P. 106620–106649.
• 9. Катаев М.Ю. Методика распознавания речевых команд в школьных информационных системах // Речевые технологии. – 2024. – № 1. – С. 18–34.
• 10. Оганесян О. Сравнение алгоритмов клонирования голоса в условиях нулевого и малого количества примеров / О. Оганесян, Д. Саргсян, А. Маладжян // Труды ИСП РАН. – 2024. – Т. 36, № 4. – С. 7–16.
• 11. Coqui TTS Documentation: XTTS [Электронный ресурс]. – URL: https://coqui-tts.readthedocs.io/en/latest/models/xtts.html (дата обращения: 15.01.2025).
• 12. Fish-Speech: Leveraging Large Language Models for Advanced Multilingual Text-to-Speech Synthesis / S. Liao, Y. Wang, T. Li et al. // arXiv e-prints. – 2024. – Art. No. arXiv:2411.01156.
• 13. Librosa: Audio and music signal analysis in Python / B. McFee, C. Raffel, D. Liang et al. // Proc. of the 14th Python in Science Conf. (SciPy). – Austin, TX, USA. – 2015. – Vol. 8. – P. 18–25.
• 14. Voice activity detection algorithm based on long-term pitch information / X.K. Yang, L. He, Q. Dan, W.Q. Zhang // EURASIP Journal on Audio, Speech, and Music Processing. – 2016. – No. 1. – P. 1–9.
• 15. Comparative analysis of audio classification with MFCC and STFT features using machine learning techniques / M.K. Gourisaria et al. // Discover Internet of Things. – 2024. – Vol. 4, No. 1. – P. 1–23.