2023-12-14 - Meeting #14

Done

1. Datu kopa, kura nav izmantota apmācībā - CommonVoice daļa

2. Implementēts NISQA, CER (asya API collection)

TODO

1. Sagatavaot datu kopu no Mozzila CommonVoice Englisk - 10k paraugus pēc reitinga, 10-20sek augstākais vērtējums, dokumentēt max CSV formātā, kuri paraugi tika paņemti

2. CER aprēķinam uz API sūtīt par 10k paraugi pa nakti max, 5 paralēli, caching sakodēt, lai otrreiz nav jāsūta to pašu audio

3. Kas tas par modeli apakšā gTTS? Atrast alternatīvu Open-source primitīvu TTS, kuru būt viegli dokumentēt

4. Salīdzīnāt uz datu kopas gTTS un ViTs ar NISQA, CER

5. Noskaidot no VitS code kas ir P jeb Score TTS "Monotonic Alignment Search" kur tas atrodas precīzi kodā P(x, z) Kā nosaka score?

6. Veikt rakstu darbus:

   1. Priekš Latex tabulām izmantot - Excel2Latex /tables/slr_1.text

   2. Ievads (bez apakš nodaļām) - 1lpp

      • Super vienkāršots ievads

      • Mērķis

        • Veikt sistemātisko zinātniskās literatūras analīzi un salīdzinājumu starp runas ģenerēšanas modeļiem angļu valodā

      • Uzdevumi

        • Iepazīties ar runas ģenerēšanas modeļiem, kuri nebalstās dziļajā māšinmācīšanā

        • Iepazīties nebalstās dziļajā māšinmācīšanās

        • …

   3. Datu kopas apraksts (histogrammas vārdiem utt)

   4. Sistemātiskā literatūras analīze