Дефиниција на проектот

Oпис на проектот

Проектот се фокусира на развој на систем за конверзија на глас базиран на вештачка интелигенција кој го конвертира гласот на друго лице во гласот на корисникот, додека ја зачувува оригиналната содржина на говорот, времето и изразот. Системот ќе користи прилагодено обучен модел за конверзија на глас базиран на RVC (Конверзија на глас базирана на пребарување).

Првично, проектот ќе се фокусира на конверзија на говор, користејќи модел обучен на снимки од говорниот глас на корисникот. Како продолжение, ќе се обучи втор модел користејќи ги снимките од пеењето/акапела на корисникот за да се испита како податоците за обука специјално дизајнирани за пеење влијаат на квалитетот на конверзијата на гласот кога се применуваат на песни.

Проектот ќе вклучува подготовка на множество податоци, обука на модел на вештачка интелигенција, развој на апликација за конверзија на глас и систематско тестирање и евалуација на резултатите.

Цел на проектот

Целта на проектот е да се развие функционален и сигурен процес на конверзија на глас способен да го репродуцира гласот на корисникот од снимката на друг говорник и да се испита колку ефикасно системот работи и за говор и за пеење.

Цели на проектот

Ф1 – Развој на моделот на говорен глас

Подготовка на соодветен збир на податоци за говорниот глас на корисникот и развој на обучен RVC модел способен да го репродуцира гласот на корисникот.

Ф2 – Развој на конверзија на глас

Користење на обучениот модел на говорен глас за конвертирање на снимките на други говорници во гласот на корисникот, одредување на соодветни поставки за конверзија и подобрување на конзистентноста и квалитетот на резултатите.

Ф3 – Развој на модел и конверзија на глас при пеење

Користење на збир податоци за пеење/акапела, да се развие посебен модел на пеечки глас и да се изврши конверзија на глас на материјал за пеење.

Ф4 – Тестирање, евалуација и финализирање на проектот

Тестирање на развиените модели за конверзија на глас и оценување на квалитетот на нивните резултати. Евалуацијата ќе ги земе предвид факторите како што се сличноста на гласот, природноста, разбирливоста на говорот, артефактите и нарушувањата, конзистентноста на конверзијата. Резултатите ќе бидат анализирани за да се утврди ефикасноста и ограничувањата на системот, по што ќе следат конечни подобрувања и документација.

Детална документација ќе се одржува во сите фази, вклучувајќи збирови на податоци, процедури за обука, поставки, експерименти, резултати, проблеми со кои се соочил корисникот, решенија и заклучоци.