Model głosu dla sieci neuronowej

Trzeba przerobić istniejącą wersję dubbingu z wykorzystaniem ludzkich głosów i dodać efektów. Film animowany 20 minut. Dubbing trzeba zrobić dla pięciu postaci.

Cześć! Potrzebuję poprawić jakość nagrania audio, aby słowa były wyraźnie zrozumiałe. Oto szczegóły zadania: Na nagraniu słabo słychać rozmowę osoby z powodu silnego hałasu tła silnika samochodu. Dźwięk silnika jest monotoniczny, ale zagłusza użyteczny sygnał (rozmowę). Ponadto głos brzmi stłumiony, ponieważ rozmowa była prowadzona przez głośnik (głośnomówiący). Czas trwania nagrania wynosi około 15-20 minut. Należy maksymalnie stłumić niskoczęstotliwołowy hałas silnika, podnieść częstotliwości zrozumiałości mowy (zakres 1–4 kHz) i uczynić słowa zrozumiałymi do transkrypcji (stenogramy). Szczególne życzenia: Ważne jest, aby nie "przytłumić" dźwięku filtrami AI, aby głosy nie zamieniły się w robotyczny metaliczny artefakt. Jeśli całkowite usunięcie hałasu bez szkody dla mowy jest niemożliwe, lepiej pozostawić część hałasu, ale zachować artykulację słów i aby było zrozumiałe dla obu mówców.

Wykonać transkrypcję pliku audio. Tłumaczenie na tekst pisany z zachowaniem dokładnego sensu. Audio z szumem. Czas trwania - około 1 godziny.

Audio 30 minut z hałasem. Zapisz rozmowę każdego uczestnika w tekst, wykluczając dźwięki z telewizora i ulicy.

Cześć wszystkim! Szukam BeatMakera z portfolio w gatunku Hip Hop / Trap. Przesyłajcie linki do swoich prac. Dziękuję