Jul, 2023
非自回归语音合成中说话者嵌入选择的效果分析
An analysis on the effects of speaker embedding choice in non
auto-regressive TTS
TL;DR我们在这篇论文中首次尝试了理解非自回归分解多说话者语音合成架构如何利用不同说话者嵌入集中的信息。我们分析了联合学习表示和从预训练模型初始化它们是否对目标说话者身份的质量改进起作用。在另一项分析中,我们调查了不同嵌入集对网络核心语音抽象(即零调制)在说话者身份和表示学习方面的影响。我们表明,无论使用的嵌入集和学习策略如何,网络都可以同样很好地处理各种说话者身份,语音输出质量几乎没有明显变化,并且在迄今为止采用的标准训练过程中,合成系统的核心结构中不可避免地发生的说话者泄漏。