BD: https://www.overleaf.com/project/6373d03ab5e7512e434d7059
Literaturas apskats -> sistemātiskā literatūras analīze
Instalēt specific packages konkrētajos commits, kurus varētu atbalstīt saistītie repo
x1pip install git+https://github.com/pytorch/fairseq.git@72323586aeae75e2b704c1c936784471bfa75019
Vēl rīki un materiāli:
https://www.perplexity.ai/?s=u&uuid=b64a1ba0-b2ba-4381-9fa2-d69ab8ccd3ff
https://aaai-sas-2022.github.io/static/media/AAAI_SAS_2022_S3PRL_VC.b261c005.pdf
https://auspicious3000.github.io/autovc-demo/
Eksperimentālā daļa 2 nedēļu laikā:
Sagatavot datu kopu:
100 runataji (80/20 train test kopas)
5 runataji target (validacijas kopa)
Caur Fee-VC sagatavot 5 sub-kopas katram runatajam
100 x 5 kopas
Dabut no Marcha Whistper Eng STT un palaist uz pirmas datu kopas (medium size)
5 runataji target (validacijas kopa) => CER /WER
Fine tune uz pirmas datu kopas => palaist
100 runataji (80/20 train test kopas)
5 runataji target (validacijas kopa) => CER /WER
Apmacit uz katru no 5 sub-kopam un palaist uz tiem 5 validation sampl
100 x 5 kopa
5 runataji target (validacijas kopa) => CER /WER
Pabeigt problēmas nostādnes doc:
Metode: Source doc ar listiem -> ChatGPT -> Egona final doc
Virspusigi pa punktiem aprakstit problemu
Virspusigi pa punktiem cik daudz petijumi un kadi keywords shaja tema aktuli
Virspusigi pa punktiem related work, daži key rezultati
Virspusigi pa punktiem aprakstit procesu
Shemu ielikt (eksperimentu)
ar šādiem mērķiem un uzdevumiem, darīšu šo un to …
Nepieciešams progress teksta daļā:
Apvienot teorētisko nodaļu vienā un sapludināt tekstu to ievērojami neizvēršot - RTU nepatīk vairāk šādas nodaļas
Literatūras apskatā iekļaut Voice Conversion publikācijas, kuras līdz šim atrastas, aprakstīt un sastādīt šādās tabulas ar aprakstiem kā Paula darba piemērā ar vērtēšanas kritērijiem un metriku salidzinajumiem:
http://share.yellowrobot.xyz/quick/2023-2-15-25023664-F7D2-489F-8B8D-5883FC4CCCF7.pdf