في مشكلة اختيار نموذج تحويل النص إلى كلام لتوليد بيانات صناعية في التعرف على الكلام التلقائي

أدى التطور السريع في نظم تحويل النص إلى كلام العصبية إلى تمكين استخدامها في مجالات أخرى من معالجة اللغة الطبيعية مثل التعرف التلقائي على الكلام أو ترجمة اللغة المنطوقة. نظرًا لوجود عدد كبير من هياكل TTS المختلفة وتوسعاتها، فإن اختيار أي من نظم TTS لاستخدامها في إنشاء بيانات صناعية ليس مهمة سهلة. نستخدم مقارنة بين خمسة هياكل مختلفة لفك تشفير TTS في نطاق توليد البيانات الصناعية لإظهار التأثير على تدريب التعرف على الكلام القائم على CTC. نقارن نتائج التعرف بمقاييس قابلة للحساب مثل NISQA MOS والوضوح، ونجد أنه لا توجد علاقات واضحة مع أداء ASR. كما نلاحظ أن فك التشفير الارتدادي التلقائي يؤدي أداءً أفضل من فك التشفير غير الارتدادي، ونقترح نهجًا لت quantification قدرات التعميم لنظم TTS.