Jun, 2023

FOOCTTS：基于音频环境的足球评论员阿拉伯语语音生成

PDF
TL;DR本文提出了一个名为 FOOCTTS 的自动化管道，用于让足球解说员在背景噪声中生成语音，该系统包括文本预处理、阿拉伯语音自动识别、CTC 分割、语音合成和音频环境匹配等功能。
football commentatorspeech synthesisautomatic speech recognitionctc segmentationacoustic environment
发现论文，激发创造
  • ClArTTS: 一个开放源代码的古典阿拉伯语语音合成语料库

    通过提供一个古典阿拉伯文本到语音合成的语音语料库 (ClArTTS)，我们填补了现有资源中阿拉伯语音语料库的空缺，以支持一些现代的端到端阿拉伯语音合成系统。

    Feb, 2023

  • 面向阿拉伯方言的零射 Text-To-Speech

    构建了一个包含多个方言的阿拉伯语音合成模型并通过评估表明其潜力大。

    Jun, 2024

  • 以阿拉伯广播新闻为案例研究的 TTS 无监督数据选择

    本文探讨了一种针对低资源语言的完全无监督的 TTS 建模方法，旨在提高语音生成的效率并让其更接近自然人类语音。在案例研究中，该方法成功地使用了广播新闻作为语料集，通过自动数据选择和预训练 / 微调策略，提高了模型的性能。

    Jan, 2023

  • SoccerNet-Echoes: 一个足球比赛音频评论数据集

    在足球领域，应用自动语音识别（ASR）技术提供了许多运动分析的机会，本研究介绍了 SoccerNet-Echoes 数据集，利用 ASR 自动生成足球比赛音频解说的文字转录，通过丰富的文字信息增强视频内容，扩展了 SoccerNet 数据集的用途，包括提升的动作定位、自动字幕生成和比赛摘要等多样化的应用领域，通过结合视觉、听觉和文字信息，SoccerNet-Echoes 旨在为捕捉足球比赛动态特征的算法开发提供全面的资源，并且强调多模态方法在运动分析中的意义，以及丰富的数据集对于推动该领域的研究和发展所带来的影响。

    May, 2024

  • MatchTime: 自动足球比赛评论生成

    本文通过创建更强大的足球比赛评论生成基准数据集 SN-Caption-test-align，利用多模态时间对齐流程构建出高质量的训练数据集 MatchTime，训练了一个自动评论生成模型 MatchVoice，并通过广泛实验和消融研究证明了对齐流程的有效性和在评论生成任务中带来的显著性能提升。

    Jun, 2024

  • 从语音到语音翻译到自动配音

    本文提出了一种基于神经网络的语音 - 语音翻译系统，实现了自动配音。实验结果表明自动配音的自然度得到了显著提升，包括多个技术创新点，如神经机器翻译、音频渲染、语音对位、语音合成等。

    Jan, 2020

  • NatiQ：一个用于阿拉伯语的端到端文本转语音系统

    本研究提出了一个基于编码器 - 解码器架构与注意力机制的端到端阿拉伯语语音合成系统 NatiQ，使用 Tacotron-1、Tacotron-2、Transformer 等多种神经网络模型进行实验，并以自家语音数据集中的男性 “Hamza” 和女性 “Amina” 为语音样本进行训练，最终的系统表现优异，平均意见分数分别为 4.21 和 4.40。同时，基于单词和字符错误率以及实时响应时间的客观评价结果表明，端到端架构 ESPnet 的表现最佳。

    Jun, 2022

  • 阿拉伯文语音合成（TTS）数据准备

    该研究旨在解释 TTS 的相关性和数据准备过程，讨论语言学和高质量记录的创作，提供语音演员和数据规范，评估音频并影响语音系统的演变。

    Apr, 2022

  • CorrectSpeech: 一款全自动的语音纠正和口音减少系统

    提出一种全自动的语音纠错和口音减少系统，称为 CorrectSpeech，能够识别、对齐、编辑语音，用于纠正不当用词、发音错误等问题。实验结果验证了该系统的实用性和效果，可用于语音录音的口音校正。

    Apr, 2022

  • 高质量文本转语音数据集生成的自动化端到端开源软件

    通过集成特定语言的音位分布、自动化录制过程、自动化和人机协同质量保证、以及记录的处理以符合指定格式，本文引入了一种端到端工具以生成文本到语音 (TTS) 模型的高质量数据集，以满足对高质量数据的重要需求，从而简化 TTS 模型的数据集创建过程，促进基于语音的技术的发展。

    Feb, 2024