speaker similarity | BriefGPT

关键词speaker similarity

搜索结果 - 9

CoLM-DSR：利用神经编码语言建模重建多模态发音障碍语音
通过多模型 Dysarthric speech reconstruction（DSR）模型，利用神经编解码器语言建模提高重建结果，尤其在讲话者相似性和韵律自然性方面有显著改进。
PDF22 days ago
音素幻像器：通过集合扩展的单次语音转换
提出了一种新颖的方法 “音素幻觉生成器”，它可以在仅有目标说话者短音频数据的情况下，生成多样且高保真度的目标音素，从而在语音转换中实现高逼真度和说话者相似度的平衡。
PDFa year ago
仅使用最近邻实现语音转换
本文提出了一种基于 k 邻近算法的任意声音转换方法（kNN-VC），并通过客观及主观评估显示其声音相似度较高，同时具有与现有方法相当的可理解性分数，可用于音频合成。
PDFa year ago
神经编解码语言模型是零样本文本到语音合成器
本文介绍了一种基于语言模型的文本到语音合成方法，使用名为 Vall-E 的神经编解码器语言模型，通过在预训练阶段将 60K 小时的英语语音数据进行规模扩大，可以使用仅三秒的不同说话人的注册录音作为语音提示来合成高质量的个性化语音，并能够在保
PDFa year ago
多任务学习和说话人分类器联合训练实现跨语言文本转语音
基于多语种转换器文本到语音模型，本文研究了一个多任务学习框架来提高跨语言的说话者相似度，并提出了与说话人分类器的联合训练来进一步提高说话者相似度。通过使用多任务学习和说话人分类器联合训练，该模型在主观和客观评估中，可以持续地提高训练集中已知
PDF2 years ago
语音转换及其挑战：从统计建模到深度学习的概述
本文给出了语音转换技术及其性能评估方法的最新进展概述，并讨论了这些技术的优劣。同时还报告了最近语音转换挑战的表现和提供了可用于语音转换研究的资源概述。
PDF4 years ago
非平行语音转换中源样式转移
本研究提出一种基于序列到序列的非并行语音转换方法，该方法能够通过显式建模将源语音中的说话风格转移至转换后的语音，并在客观评估和主观听力测试中证明了其在语音自然度和说话人相似度方面优于其他方法，并进行了实验来展示该方法的源语音风格可转移性。
PDF4 years ago
Attentron: 利用基于注意力的可变长度嵌入的少样本文本转语音
提出了一种名为 Attentron 的 few-shot TTS 模型，通过引入两个编码器解决了克隆隐藏说话人的问题并显著提高了生成音频的质量和说话人相似度。
PDF4 years ago
扩充语音人数能否提升多说话人端到端语音合成质量？
通过创造人工说话者并利用低质量数据的正交方法，我们改进了当前的说话者适应方法，并修改了基础 Tacotron2 模型以说明这些语料库中固有的通道和方言因素，成功对方言进行语音合成，此外还通过合成质量、说话者和方言相似度进行了评估，并检验了说
PDF4 years ago