Nov, 2022

Stutter-TTS：受控制的口吃语音合成与改进的口吃语音识别

PDF
TL;DRStutter-TTS is a neural model that can synthesize different types of stuttering utterances for improving automatic speech recognition on stuttered speech by introducing additional tokens to represent stuttering characteristics during training.
发现论文，激发创造
  • 使用多说话人 TTS 合成咬字不清语音并应用于咬字不清语音识别

    本文旨在通过使用多说话人端到端 TTS 合成系统为 DNN-HMM 建立训练提供合成语音，其中添加语音障碍严重性等控制参数以继续改进多语音说话人端到端 TTS 系统，实验表明：使用合成的语音，对 DNN-HMM ASR 进行训练可以将识别速率提高 12.2％，且添加严重性级别和暂停插入控制参数可以将错误率降低 6.5％。

    Jan, 2022

  • 为 ASR 数据增强精确合成口吃病患者语音

    该研究提出了一种新的口吃性语音合成方法，用于自动语音识别 (ASR) 训练数据的增强，并通过主观评估证明了合成语音与真实口吃性语音在口吃感和相似性方面的相似性，特别是对于严重口吃者。

    Aug, 2023

  • 基于深度学习的口吃诊断和治疗系统

    本文介绍了使用门控递归 CNN 和 SVM 实现口吃诊断代理和治疗推荐代理的系统，并探讨了其实验结果和关键发现。

    Jul, 2020

  • 失传于转录：识别和量化自动语音识别系统对不流利语音的准确性偏差

    这项研究评估了六个领先的自动语音识别系统对有语吃现象的言语的处理性能，并发现这些系统普遍存在的准确性偏差对不流利言语的处理，导致语法和语义不准确的转录，揭示了当前自动语音识别技术存在的重要差距，强调了有效的偏见缓解策略的必要性。

    May, 2024

  • 使用合成语音增强训练神经语音识别系统

    利用 LibriSpeech 数据集，将合成语音与自然语音数据集相结合，使用神经网络训练的端到端自动语音识别模型达到了最新的状态，极大地推动了自动语音识别技术的进步。

    Nov, 2018

  • 利用 Detect and Pass 增强有限数据的口吃语音 ASR

    为解决语音助手对口吃 (Speech Disorder) 人士不友好的问题，研究提出了一种简单高效的称为 “Detect and Pass” 的算法，它通过一个上下文相关的对口吃音频帧分类器，对口吃的音频进行筛选，再将这些筛选的结果传递到 ASR 模型中提高其错误率的鲁棒性。该研究表明在不同的 ASR 系统上，WER 的降低幅度达到了 23.93% 到 71.67%.

    Feb, 2022

  • PoeticTTS -- 用于文学研究的可控诗歌朗读

    本研究提出了一种方法，对诗歌进行语音合成，从而使文学学者可以系统地研究文本、口语实现和听众对诗歌的感知之间的相互影响，并发现该方法在客观评估和人类研究中取得了成功。

    Jul, 2022

  • 利用直觉的韵律特征进行可控的神经文本转语音合成

    通过使用一种基于序列对序列神经网络的方法，对音频语音特征进行条件训练，以学习一个直观且有意义的潜在韵律空间，进一步控制音调、音高、语音能量等特征参数，生成多种音色，并维持与 Tacotron 基线模型相似的评分（4.26/4.23）。

    Sep, 2020

  • 基于预训练语言模型和基于停顿的韵律建模的自然语音合成 (PauseSpeech)

    本文提出了一个基于已预训练语言模型和基于停顿的语调模型的语音合成系统 PuaseSpeech，其使用编码器和预测器来实现词语分组和停顿的建模，实验结果表明 PuaseSpeech 在自然度方面优于先前的模型。

    Jun, 2023

  • 神经语音合成调查

    本文全面调研了神经网络 TTS 在包括文本分析、声学模型、声码器等方面的研究进展，进一步总结了相关资源（数据集、开源实现），并提出了未来的研究方向。

    Jun, 2021