Název:	Text-to-Text Transfer Transformer Phrasing Model Using Enriched Text Input
Autoři:	Řezáčková, Markéta Matoušek, Jindřich
Citace zdrojového dokumentu:	ŘEZÁČKOVÁ, M. MATOUŠEK, J. Text-to-Text Transfer Transformer Phrasing Model Using Enriched Text Input. In Text, Speech, and Dialogue 25th International Conference, TSD 2022, Brno, Czech Republic, September 6–9, 2022, Proceedings. Cham: Springer International Publishing, 2022. s. 389-400. ISBN: 978-3-031-16269-5 , ISSN: 0302-9743
Datum vydání:	2022
Nakladatel:	Springer International Publishing
Typ dokumentu:	konferenční příspěvek ConferenceObject
URI:	2-s2.0-85139025870 http://hdl.handle.net/11025/50926
ISBN:	978-3-031-16269-5
ISSN:	0302-9743
Klíčová slova v dalším jazyce:	Phrasing;Prosodic boundaries;T5;Part-of-Speech tags;Syntactic categories
Abstrakt v dalším jazyce:	Appropriate prosodic phrasing of the input text is crucial for natural speech synthesis outputs. The presented paper focuses on using a Text-to-Text Transfer Transformer for predicting phrase boundaries in text and inspects the possibility of enriching the input text with more detailed information to improve the success rate of the phrasing model trained on plain text. This idea came from our previous research on phrasing that showed that more detailed syntactic/semantic information might lead to more accurate predicting of phrase boundaries.
Práva:	Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © Springer Nature Switzerland AG
Vyskytuje se v kolekcích:	Konferenční příspěvky / Conference papers (NTIS) Konferenční příspěvky / Conference Papers (KKY) OBD

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.