{"id":2035,"date":"2022-07-25T22:16:57","date_gmt":"2022-07-25T22:16:57","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=2035"},"modified":"2022-07-25T22:16:57","modified_gmt":"2022-07-25T22:16:57","slug":"sintesis-de-voz-basada-en-modelos-ocultos-de-markov-y-algoritmos-de-aprendizaje-profundo","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=2035","title":{"rendered":"S\u00edntesis de voz basada en Modelos Ocultos de Markov y algoritmos de aprendizaje profundo"},"content":{"rendered":"\n

Alumno<\/strong>:\u00a0Marvin Coto Jim\u00e9nez
Profesor<\/strong>:\u00a0Dr.\u00a0John Goddard Close<\/a><\/p>\n\n\n\n

Resumen<\/strong>: La s\u00edntesis de voz es una t\u00e9cnica de producci\u00f3n de habla artificial por medio de computadoras, la cual tiene como finalidad potenciar la interacci\u00f3n humano-computador en todo tipo de dispositivos, desarrollar sistemas de asistencia para personas con necesidades especiales, incorporarse a sistemas de entretenimiento, entre otras muchas aplicaciones. A partir de la d\u00e9cada del a\u00f1o 2000, surge como modelo matem\u00e1tico dominante para realizar la s\u00edntesis, los Modelos Ocultos de Markov (HMM) para representar y reproducir de forma param\u00e9trica la informaci\u00f3n del habla. Esto permite que una voz pueda ser codificada utilizando par\u00e1metros espectrales, de frecuencia fundamental y de duraci\u00f3n de sus unidades fon\u00e9ticas, para luego entrenar los modelos matem\u00e1ticos que permitan producir nuevas frases con habla de caracter\u00edsticas semejantes a la humana.<\/p>\n\n\n\n

En esta tesis se aborda la adaptaci\u00f3n de esta t\u00e9cnica para producir voces y su mejora con la introducci\u00f3n de algoritmos de aprendizaje profundo, los cuales pretenden aprender directamente de los datos la manera de producir sonido m\u00e1s natural y cercano al humano.<\/p>\n\n\n\n

Objetivo general<\/strong><\/p>\n\n\n\n