FEATURES OF MACHINE LEARNING BY CNN WITHIN THE SPEECH SYNTHESIS

В статье описан процесс моделирования системы синтеза речи, основанный на имеющихся акустических данных, используемых для машинного обучения с целью получения модели, соответствующей естественным характеристикам речи. Представлены характерные особенности и архитектуры сверточных нейронных сетей CNN, в которых данные реализованы в виде набора изображений, применяются локальные операциисвертки, модифицирующие и комбинирующие данные изображений карты друг с другом. Рассмотрены актуальные способы машинного обучения и применение ускоренной на GPU библиотеки для глубоких нейронных сетей NVIDIA CUDA. Дана информация о подготовке обучающей экспериментальной базы данных, процессе машинного обучения системы, настройке параметров нейронной сети, показана динамика улучшения показателей матрицы внимания и результат обучения глубокой сверточной сети CNN.