BDAR

Jūsų asmens duomenų valdymas.

Siekdami užtikrinti geriausią Jūsų naršymo patirtį, šioje svetainėje naudojame slapukus (angl. cookies). Naršydami toliau patvirtinsite savo sutikimą naudoti slapukus. Savo sutikimą bet kada galėsite atšaukti pakeisdami interneto naršyklės nustatymus ir ištrindami įrašytus slapukus.

Slapukų politika Privatumo politika

 


Spausdinti

Finansavimas

Priebalsių analizė ir modeliavimas naudojant jungtinį adityvinės sintezės ir šaltinio-filtro modelio metodą

Nr. 09.3.3-LMT-K-712-02-0093

Paraiškos būsena:
Baigtas įgyvendinti
Vykdytojas Vilniaus universitetas
Savivaldybė Vilniaus miesto
Priemonė MOKSLININKŲ, KITŲ TYRĖJŲ, STUDENTŲ MOKSLINĖS KOMPETENCIJOS UGDYMAS PER PRAKTINĘ MOKSLINĘ VEIKLĄ
Prioritetas 9 PRIORITETAS. Visuomenės švietimas ir žmogiškųjų išteklių potencialo didinimas
Kvietimo kodas 09.3.3-LMT-K-712-02

Šnekos signalas perneša informaciją ne tik apie tariamas fonemas ir jų junginius, prozodiją, bet ir asmens individualybę nusakančius aspektus, tokius kaip pašnekovo emocinė būsena, amžius, savijauta. Visos išvardytos komponentės yra perduodamos vienmačiu signalu. Projekto tikslas yra sukurti lietuviškos šnekos priebalsių fonemų dinaminius modelius, kurie generuotų natūraliai skambančius garsus. Norint atlikti fonemų signalų modeliavimą, yra svarbu įvertinti parametrus, apibūdinančius tariamą garsą ir kalbančiojo balso akustines savybes. Dažniausiai požymiams klasifikuoti yra taikomi gerai žinomi klasifikavimo algoritmai, tokie kai paslėptieji Markovo modeliai, artimųjų kaimynų, atraminių vektorių mašinos, dirbtinių neuronų tinklai, bei šių algoritmų kombinacijos. Podoktorantūros teikime į parametrizavimo uždavinį mes žvelgiame iš naujos perspektyvos. Požymių rinkinio klasifikavimo problemoms spręsti, be klasikinių algoritmų, ketiname naudoti giliojo apmokymo neuronų tinklus. Sintezuotos šnekos signalas bus sukuriamas naudojant adityvinę sintezę ir akustinį modelį. Tuo tikslu nagrinėsime skirtingus žadinimo signalus, tokius kaip kvaziperiodiniai impulsai, triukšmas, arba jų kombinacijos. Fonemų matematiniai modeliai leidžia modeliuoti šnekos signalus. Šie modeliai gali būti pritaikyti daugybei uždavinių spręsti, pavyzdžiui, sprendžiant šnekos sintezės bei atpažinimo uždavinius, atliekant lingvistinius tyrimus, diagnozuojant ar gydant kalbos sutrikimus, mokantis užsienio kalbų ar taisyklingo žodžių tarimo.


Paraiškų informacija

Paraiškos gavimo data: 2017-07-04
Nr. Vertinimo kriterijus Finansavimo statusas Vertinimo balas
1. Tinkamumo vertinimas Taip (2017-08-18)
2. Naudos ir kokybės vertinimas Taip (2017-11-08) 86.00
Paraiškoje nurodyta projekto vertė: 42 502,40 Eur
Prašoma finansavimo suma: 42 502,40 Eur

Sutarties informacija

Sutarties pasirašymo diena: 2017-12-04
Sutarties galiojimo pabaiga: 2020-03-25
Projekto išlaidų suma, Eur Finansavimas, Eur Apmokėta išlaidų suma, Eur Išmokėtas finansavimas, Eur
42 502,40 42 502,40 42 502,37 42 502,37

Stebėsenos rodiklių pasiekimai

Eilės numeris Stebėsenos rodiklio pavadinimas Matavimo vienetas Siektina reikšmė pasirašytose projektų sutartyse Pasiekta reikšmė
1 Tyrėjai, kurie dalyvavo ESF veiklose, skirtose mokytis pagal neformaliojo švietimo programas 1.00 1.00 1.00
2 Į užsienį panaudojant ESF investicijas tobulinti profesinių žinių išvykę tyrėjai Skaičius 1.00 1.00
3 Įgyvendinti MTEP projektai 1.00 1.00 1.00

Paskutinė atnaujinimo data: 2020-07-04 07:45

Susiję įrašai