Merge pull request #124 from blademoon/main

Completion of the stage of translation of the course into Russian

chapters/ru/_toctree.yml

@@ -57,64 +57,64 @@
  - local: chapter4/introduction
  title: Чему вы научитесь и что создадите
  - local: chapter4/classification_models
- title: Предварительно обученные модели классификации аудио
+ title: Предварительно обученные модели классификации звука
  - local: chapter4/fine-tuning
  title: Дообучение модели классификации музыки
  - local: chapter4/demo
  title: Создание демо с помощью Gradio
  - local: chapter4/hands_on
  title: Практическое занятие
 
-- title: Раздел 5. Автоматическое распознавание речи
+- title: Раздел 5. Automatic Speech Recognition
  sections:
-  - local: chapter5/introduction
-  title: Чему вы научитесь и что создадите
-  - local: chapter5/asr_models
-  title: Предварительно обученные модели для распознавания речи
-  - local: chapter5/choosing_dataset
-  title: Выбор набора данных
-  - local: chapter5/evaluation
-  title: Оценка и метрики для распознавания речи
-  - local: chapter5/fine-tuning
-  title: Как дообучить ASR-систему с помощью Trainer API
-  - local: chapter5/demo
-  title: Создание демо
-  - local: chapter5/hands_on
-  title: Практическое занятие
-  - local: chapter5/supplemental_reading
-  title: Дополнительные материалы и ресурсы
+ - local: chapter5/introduction
+ title: Чему вы научитесь и что создадите
+ - local: chapter5/asr_models
+ title: Предварительно обученные модели для распознавания речи
+ - local: chapter5/choosing_dataset
+ title: Выбор набора данных
+ - local: chapter5/evaluation
+ title: Оценка и метрики для распознавания речи
+ - local: chapter5/fine-tuning
+ title: Как дообучить ASR-систему с помощью Trainer API
+ - local: chapter5/demo
+ title: Создание демо
+ - local: chapter5/hands_on
+ title: Практическое занятие
+ - local: chapter5/supplemental_reading
+ title: Дополнительные материалы и ресурсы
 
-# - title: Раздел 6. От текста к речи
-#  sections:
-#  - local: chapter6/introduction
-#  title: Чему вы научитесь и что создадите
-#  - local: chapter6/tts_datasets
-#  title: Наборы данных Text-to-speech
-#  - local: chapter6/pre-trained_models
-#  title: Предварительно обученные модели text-to-speech
-#  - local: chapter6/fine-tuning
-#  title: Дообучение SpeechT5
-#  - local: chapter6/evaluation
-#  title: Оценка моделей text-to-speech
-#  - local: chapter6/hands_on
-#  title: Практическое занятие
-#  - local: chapter6/supplemental_reading
-#  title: Дополнительные материалы и ресурсы
+- title: Раздел 6. От текста к речи
+ sections:
+ - local: chapter6/introduction
+ title: Чему вы научитесь и что создадите
+ - local: chapter6/tts_datasets
+ title: Наборы данных Text-to-speech
+ - local: chapter6/pre-trained_models
+ title: Предварительно обученные модели text-to-speech
+ - local: chapter6/fine-tuning
+ title: Дообучение SpeechT5
+ - local: chapter6/evaluation
+ title: Оценка моделей text-to-speech
+ - local: chapter6/hands_on
+ title: Практическое занятие
+ - local: chapter6/supplemental_reading
+ title: Дополнительные материалы и ресурсы
 
-# - title: Раздел 7. Собираем все воедино
-#  sections:
-#  - local: chapter7/introduction
-#  title: Чему вы научитесь и что создадите
-#  - local: chapter7/speech-to-speech
-#  title: Перевод Speech-to-speech
-#  - local: chapter7/voice-assistant
-#  title: Создание голосового ассистента
-#  - local: chapter7/transcribe-meeting
-#  title: Транскрибирование встречи
-#  - local: chapter7/hands-on
-#  title: Практическое занятие
-#  - local: chapter7/supplemental_reading
-#  title: Дополнительные материалы и ресурсы
+- title: Раздел 7. Собираем все воедино
+ sections:
+ - local: chapter7/introduction
+ title: Чему вы научитесь и что создадите
+ - local: chapter7/speech-to-speech
+ title: Перевод Speech-to-speech
+ - local: chapter7/voice-assistant
+ title: Создание голосового ассистента
+ - local: chapter7/transcribe-meeting
+ title: Транскрибирование встречи
+ - local: chapter7/hands-on
+ title: Практическое занятие
+ - local: chapter7/supplemental_reading
+ title: Дополнительные материалы и ресурсы
 
 - title: Раздел 8. Финишная прямая
  sections:

chapters/ru/chapter6/evaluation.mdx

@@ -0,0 +1,24 @@
+# Оценка моделей text-to-speech
+
+В процессе обучения модели преобразования текста в речь оптимизируются по среднеквадратичной ошибке (mean-square error, MSE) (или средней абсолютной ошибке (mean absolute error, MAE)) между
+спрогнозированными значениями спектрограмм и сгенерированными. Как MSE, так и MAE способствуют минимизации разности
+между прогнозируемой и целевой спектрограммами. Однако, поскольку TTS - это проблема отображения "один ко многим", т.е. выходная спектрограмма для данного текста может быть представлена множеством
+различных способов, оценка полученных моделей преобразования текста в речь (TTS) значительно сложнее.
+
+В отличие от многих других вычислительных задач, которые могут быть объективно измерены с помощью количественных показателей,
+таких как accuracy или precision, оценка TTS в значительной степени зависит от субъективного человеческого анализа.
+
+Одним из наиболее часто используемых методов оценки систем TTS является качественная оценка с использованием cредней экспертной оценки (Mean Opinion Scores, MOS).
+MOS - это субъективная система оценки, которая позволяет людям оценить качество синтезированной речи [NL] по шкале от 1 до 5.
+Эти оценки обычно собираются с помощью тестов на прослушивание, в которых участники-люди [NL] прослушивают и оценивают синтезированные образцы речи.
+
+Одной из основных причин, по которой трудно разработать объективные метрики для оценки TTS, является субъективный характер восприятия
+речи. Слушатели имеют различные предпочтения и чувствительность к различным аспектам речи, включая произношение, интонацию, естественность и ясность.
+Учесть все эти нюансы восприятия с помощью одного числового значения - сложная задача. 
+В то же время субъективность человеческой оценки затрудняет сравнение и сопоставление различных систем TTS.
+
+Кроме того, при такой оценке могут быть упущены некоторые важные аспекты синтеза речи, такие как естественность, выразительность и эмоциональное воздействие. 
+Эти качества трудно поддаются объективной количественной оценке, но очень важны в приложениях, где синтезированная речь должна передавать человекоподобные качества и вызывать соответствующие эмоциональные реакции.
+
+В итоге, можно сказать, что оценка моделей преобразования текста в речь является сложной задачей из-за отсутствия единой действительно объективной метрики. Наиболее распространенный метод оценки,
+средняя экспертная оценка (MOS), опирается на субъективный человеческий анализ. Хотя MOS дает ценные сведения о качестве синтезированной речи, она также вносит вариативность и субъективность.