| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Razvoj sistema za pretvorbo besedil v govor z globokimi nevronskimi mrežami : magistrsko delo
Matevž Bratina, 2021, magistrsko delo

Opis: V magistrski nalogi smo razvili sistem pretvorbe besedila v govor PLATTOS za več jezikov. Sistem bazira na osnovi globokih nevronskih mrež. Osnovni cilj naloge je bil razviti in testirati sistem sinteze govora na osnovi globokega učenja, ki bo čim bolje generiral govor v več jezikih, pri čemer je tudi pomemben čas generiranja. Prvi del naloge tako predstavlja pregled tehnologij sistemov sinteze govora in njihova podrobnejša analiza. Zanimala nas je namreč arhitektura sistema sinteze govora, medsebojna primerjava zmogljivosti sistemov, njihov razvoj in kvaliteta sintetiziranega signala, ki ga določen TTS lahko generira. Sledila je izbira tehnologije globokega učenja, in razvoj novega TTS sistema. Izbrali smo tisto, ki je izkazovala največji potencial, da izpolni vse zastavljene cilje. Sledil je razvoj TTS sistema. Za prvo stopnjo (pretvorba vhodnega besedila v spektrogram) smo izbrali Tacotron globoki model. Ta je namenjen pretvorbi spektrogramov v pripadajoči govorni signal. V drugi stopnji, smo izbrali vokoder Waveglow. Pred izbiro komponent sistema, smo različne tipe vokoderjev in rekonstrukcijskih algoritmov tudi testirali. Sistem TTS na osnovi globokih nevronskih mrež PLATTOS smo testirali na različnih prosto dostopnih bazah govornih podatkov večih jezikov. Ocenjevali in primerjali smo tudi kvaliteto sinteze govora različnih arhitektur z globokimi nevronskimi mrežami. Kot kriterij kvalitete sinteze govora, smo bili predvsem pozorni na naravnost in razumljivost sintetiziranega govora. Pri ocenjevanju kvalitete smo tako uporabili subjektivne MUSHRA teste. Pokazalo se je, da kombinacija globokih nevronskih modelov Tacotron in Waveglow zagotovi najboljše rezultate v večih jezikih, kar se tiče kvalitete sintetiziranega govora in hitrosti generiranja odziva.
Ključne besede: globoko učenje, nevronska mreža, sinteza govora, umetna inteligenca, Pytorch, Tensorflow, Tacotron, Waveglow, Wavenet, WaveRNN
Objavljeno v DKUM: 18.10.2021; Ogledov: 192; Prenosov: 34
.pdf Celotno besedilo (3,01 MB)

2.
SPREJEMNIK FREKVENČNO MODULIRANEGA SIGNALA
Matevž Bratina, 2018, delo diplomskega projekta/projektno delo

Opis: Cilj projekta je bil izdelati sprejemnik frekvenčno moduliranega signala, ki bo majhen, prenosljiv, poceni, energijsko varčen in baterijsko napajan. Preučili smo več vrst sprejemnikov. Odločili smo se za izdelavo sprejemnika na superheterodinskem principu. Pred izdelavo končnega izdelka smo izdelali tri prototipe. Za razvoj prototipov smo uporabili razvojno platformo Arduino. Po razvoju prototipov je sledila izdelava končnega izdelka oziroma tiskanine, ki odpravi potrebo po Arduino platformi. Sprejemnik omogoča izbiro med radijskimi frekvencami in pomnjenje izbranega števila radijskih postaj. Delovna frekvenca je prikazana na zaslonu s tekočimi kristali. Demoduliran signal oziroma zvok je predvajan na zvočniku. Zaključni projekt zajema načrtovanje in razvoj sprejemnika, izbiro strojnih komponent, pisanje programske kode, razvoj treh prototipov in končnega izdelka, vključno z njegovim testiranjem. Končni izdelek predstavlja izhodišče za nadaljnji razvoj sprejemnika. Možne so številne izboljšave oziroma dodatne funkcionalnosti: avtomatski frekvenčni odziv sprejemnika, prilagajanje kontrasta zaslona s pomočjo senzorja za svetilnost, programska nastavitev glasnosti in izdelava vodoodpornega ohišja.
Ključne besede: elektromagnetno valovanje, radio, mikrokrmilnik, sprejemnik
Objavljeno v DKUM: 05.02.2019; Ogledov: 720; Prenosov: 91
.pdf Celotno besedilo (2,64 MB)

Iskanje izvedeno v 0.06 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici