Integracija modela za generiranje glasa iz teksta i modela za generiranje slike govornika za realistično stvaranje virtualnih likova

diplomski rad

• Naslov (engleski): Integration of speech-to-text and speaker image generation models for realistic virtual character creation
• Autor: Antun Drobnjak
• Mentor: Ivica Botički (mentor)
• Član povjerenstva: Ivica Botički (predsjednik povjerenstva)
• Član povjerenstva: Mario Brčić (član povjerenstva)
• Član povjerenstva: Danijel Mlinarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-01, Hrvatska

Sažetak

Performanse sustava za generiranje videa koristeći napredne hardverske konfiguracije, naglašavaju važnost GPU akceleracije. Testovi s različitim veličinama grupa i postavkama kvalitete otkrivaju izazove i učinkovitost u obradi. Studija prikazuje alate poput MakeItTalk-a za kreiranje videa i GlowTTS-a za sintezu zvuka, ističući njihovu ulogu u proizvodnji visokokvalitetnog multimedijalnog sadržaja. Korištenjem moćnih CPU-ova i GPU-ova, pokazano je kako trenutna tehnologija omogućuje učinkovito i sofisticirano generiranje videa i zvuka. Rezultati naglašavaju potrebu za optimiziranim upravljanjem resursima kako bi se postigla uravnotežena brzina obrade i kvaliteta izlaza.

Sažetak (engleski)

The performance of a video generation system using advanced hardware configurations highlights the importance of GPU acceleration. Tests with varying batch sizes and quality settings reveal the challenges and efficiencies in processing. Tools like MakeItTalk for video creation and GlowTTS for audio synthesis are showcased, emphasizing their roles in producing high-quality multimedia content. By leveraging powerful CPUs and GPUs, the study demonstrates how current technology enables efficient and sophisticated video and audio generation. The findings underscore the need for optimized resource management to achieve balanced processing speed and output quality.

• Ključne riječi: generiranje zvuka; generiranje videa; napredne hardverske konfiguracije
• Ključne riječi (engleski): sound generation; video generation; advanced hardware configurations
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:052772
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 20:27:42