نمذجة العروض

تعمل نمذجة العروض على تعليم الآلات لحن الكلام، والإيقاع، وطبقة الصوت، والضغط، والإيقاع الذي يركب فوق الكلمات. إنه ما يفصل الصوت الآلي المسطح عن الصوت الذي يبدو بشريًا حقًا.

يشير علم العروض إلى الصفات فوق القطعية للكلام، والتنغيم (درجة الصوت)، والإيقاع والمدة، والضغط، والطاقة (جهارة الصوت)، التي تركب فوق الكلمات.

F0 هو التردد الأساسي للصوت، أي معدل اهتزاز الأحبال الصوتية، الذي نسمعه كطبقة الصوت أو لحنه.

قدم FastSpeech 2 محول تباين يتنبأ بالمدة ودرجة الصوت والطاقة بشكل صريح، مما يوفر تحكمًا مباشرًا ومستقرًا في العروض أكثر من الاهتمام الضمني البحت.

يمكن إلقاء الكلمات نفسها بطرق لا تعد ولا تحصى اعتمادًا على النية والعاطفة، لذلك يجب على النماذج الاختيار من بين العديد من القراءات العرضية الصحيحة بدلاً من حساب إجابة واحدة.

عادةً ما تنتهي أسئلة نعم/لا في اللغة الإنجليزية بتنغيم مرتفع، وهي إشارة نبرة تميزها عن العبارات حتى التي تحتوي على كلمات متطابقة.