synthetic speech | BriefGPT

关键词synthetic speech

搜索结果 - 12

AudioMarkBench: 音频水印鲁棒性基准测试
合成语音的逼真性不断增强，但由此引发了将伪装和虚假信息传播等伦理问题。通过将人类无感知的水印嵌入到 AI 生成的音频中，音频水印技术提供了一个有希望的解决方案。然而，音频水印技术在面对常见和对抗性干扰时的稳健性仍未得到充分研究。本文提出了
PDF23 days ago
利用正规化流生成新的语音
通过归一化流（normalizing flows）实现从训练时未见过的声音身份合成逼真、自然的合成语音的研究中，我们创建了一种文本转语音（TTS）和语音转换（VC）的方法，并使用客观和主观指标来评估技术在零样本和新声音语音合成任务中的性能，
PDF6 months ago
Syn-Att：通过半监督的未知多类 CNN 集成进行合成音频归属
通过将语音转化为对数梅尔频谱图，利用半监督学习和集成方法来提高稳健性和泛化性，本文提出了一种将合成语音与生成器相关联的新策略，并在 IEEE SP Cup 2022 的 ICASSP 挑战中，准确率相较 Eval 2 提高了 12-13%，
PDF10 months ago
为增强 ASR 训练而选择文本转语音数据
本文提出了一种方法，通过训练神经网络来选择合适的合成语音样本，使其作为自动语音识别模型的辅助训练数据，这在训练中包括有实际的标注数据和合成的数据。在实验中，我们发现将与真实语音具有较大差异性的合成样本（由于词汇差异等原因）纳入到训练中对于提
PDFa year ago
DSVAE: 可解释的分离合成语音检测表示
本文提出使用 Disentangled Spectrogram Variational Auto Encoder (DSVAE) 处理语音谱图以生成可解释的表示，并创建激活映射来区分合成和真实人类讲话信号，通过 ASVspoof2019 数
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
多说话人神经语音合成的多任务对抗训练算法
本研究提出了一种基于多任务对抗训练的多说话者神经语音合成模型的新型训练算法，能够提高合成语音的质量，并能够推广到未见过的说话者。
PDF2 years ago
自监督学习模型融合用于 MOS 预测
通过自学习和半监督学习等多种策略，提出了一个融合框架，其中七个预训练的自监督学习（SSL）模型参与了对合成语音 MOS 预测的精度的改进，特别是在 OOD sub-track 上获得了较大的提升。
PDF2 years ago
在师生框架下进行数据增强的跨语言合成
本篇论文旨在通过应用师生范式来解决跨语言综合中常见的泛化问题。结果表明，该方法在保持语音自然度和韵律变化的同时，有效提高了说话人特征的保留。
PDF2 years ago
SynthASR: 用于语音识别的合成数据解锁
本文提出了一个多阶段训练策略，包括数据增强，编码器冻结和参数正则化，并利用人工合成音频提高医疗用途语音识别（ASR）的识别性能，降低了生产数据的成本和依赖性。
PDF3 years ago
基于深度学习的合成语音自然度评估
本文提出了一种新的客观预测合成语音自然度的模型，采用 CNN-LSTM 网络逐端训练，独立于语言，能用于评估文本转语音或语音转换系统的效果，通过在多个数据集上测试证明模型的可靠性。
PDF3 years ago
深度编码器 - 解码器模型用于无监督学习可控语音合成
本文针对非文字语音变化很少被注释的情况，研究了无监督学习控制统计语音合成的方法，包括将无监督训练试探法解释为某些自编码器模型中的变分推理等方式。研究发现，这些新的概率诠释具有重要含义，并将几种方法应用于情感语音合成的音频建模，发现无监督学习
PDF6 years ago