speaker characteristics | BriefGPT

关键词speaker characteristics

搜索结果 - 6

LibriTTS-P：一种用于文本转语音和风格字幕的具有说话风格和发音者身份提示的语料库
我们介绍了 LibriTTS-P，这是一个基于 LibriTTS-R 的新语料库，包括对说话风格的话语级描述（即提示语）和对说话人特征的说话人级提示。我们采用混合方法构建提示注释：（1）手动注释捕捉到的说话人特征的人类感知，和（2）关于说话
PDF22 days ago
转化音频驱动的说话脸部合成为文本驱动的
该论文提出了一种将预训练的音频驱动人脸合成模型重新编程以使其能够处理文本输入的方法，其中涵盖了文本到音频嵌入、音频驱动模型、语音合成、说话者特征等关键词。
PDFa year ago
使用预训练语言模型的时长感知暂停插入多说话人文本转语音
本文提出一种基于预训练语言模型的更加高效的暂停插入框架，运用双向变压器编码器表示来注入演讲者嵌入以捕捉不同演讲者的特点，并使用持续时间感知的暂停插入以获得更自然的多人演讲，测试结果表明该模型提高了合成语音的节奏性、暂停插入的精度和召回率。
PDFa year ago
评估和减少合成语音与真实语音分布之间的距离
本研究对现代的语音合成系统中真实和合成人类语音之间的分布距离进行了研究，并通过提供话语级别信息来减少该距离，并通过评估合成数据的合适度确定改进。
PDF2 years ago
AdaSpeech 4: 零 - shot 场景下的自适应文本转语音
本文提出了一个高质量的语音合成系统 AdaSpeech 4，用于零样本适应性文本到语音。该系统通过将说话者特征系统地建模来提高对新说话者的泛化能力，并通过三个步骤改善了建模。除了利用条件层归一化将提取的说话人特征整合到 TTS 模型中之外，
PDF2 years ago
自监督式语音情感识别的说话人归一化
我们提出了一种基于梯度对抗学习框架的方法，该方法可以从特征表示中规范化发言者特征，从而学习语音情感识别任务，在演讲者无关和有关的设置下，我们在具有挑战性的 IEMOCAP 数据集上获得了新的最优结果。
PDF2 years ago