text-to-speech models | BriefGPT

关键词text-to-speech models

搜索结果 - 10

音频虚假检测的泛化：更难还是不同？
语音深度伪造检测中的关键问题是不同模型训练的深度伪造模型在其他模型上表现较差。实验证明，性能差距主要是由于深度伪造生成的模型不同，而不是由于深度伪造的新质量提高而导致的，这对实际的深度伪造检测有直接影响，强调仅仅增加模型容量可能无法有效应对
PDFa month ago
NaturalSpeech 3：基于分解编解码和扩散模型的零样本语音合成
自然言语 3 通过因式分解扩散模型将语音波形分解为内容、韵律、音色和声学细节的子空间，并实现了高质量、相似度、韵律和可懂性的自然语音生成。
PDF4 months ago
通过合成注释实现高保真度文本转语音的自然语言指导
通过对大规模数据集进行训练的文本到语音模型展示了令人印象深刻的语境学习能力和自然度。然而，这些模型中的说话人身份和风格的控制通常需要以参考语音录音为基础，从而限制了其创造性应用。相反，关于说话人身份和风格的自然语言提示已经展示了有希望的结果
PDF5 months ago
一个实验研究：评估 WavLM 和 BEST-RQ 的组合框架在文本到语音合成中的应用
我们提出了一种新的适用于文本到语音（TTS）模型的模型架构，将预训练的自监督学习（SSL）语音模型 WavLM 与简单的 BEST-RQ 向量量化框架相结合，通过在 LibriSpeech 数据集上的 SUPERB 基准测试实验证明，该模型
PDF7 months ago
瑞士德语文本转语音流程 -- 一项比较
研究使用不同的 TTS 模型合成瑞士德语，发现 VITS 模型表现最佳，使用判别器对模型进行评估，在不同的瑞士德语方言中实现了以前无法达到的语音合成质量。
PDFa year ago
基于 Phoneme 级别的 BERT 和 Grapheme 预测增强文本转语音的韵律
本研究提出了预训练的基于音素级别的 BERT 编码器，通过预测对应的字母表顺序来提高生成语音的自然度，并在主观评估中证明其在未知范围的文本中相比基于状态的 TTS 模型有显著提高的平均意见评分。
PDFa year ago
AAAIRWEN-TTS: 自然语音合成的关系感知字编码网络
本研究提出了 Relation-aware Word Encoding Network（RWEN）模型，通过两个模块（即语义级别关系编码和相邻单词关系编码）有效利用语法和语义信息，与以前的方法相比，实验结果显示出了显著的改进。
PDF2 years ago
BibleTTS：一个大型、高保真、多语种且独特的非洲语音语料库
BibleTTS 是一个由 Open.Bible 项目自 Biblica 发布的圣经记录而来的语音数据集，共有十种撒哈拉以南非洲的语言，为各种语言的文本转语音模型的开发提供了高质量的 48kHz 单人演讲录音素材。
PDF2 years ago
LibriS2S: 一份德英语音到语音翻译语料库
该研究找出了语音到语音翻译领域所面临的主要限制是缺乏合适的培训数据。为了解决这个问题，研究人员创建了一个公开可用的语音到语音训练语料库 ——LibriS2S。基于这个语料库，提出了基于 FastSpeech 2 模型的新文本到语音模型，以及
PDF2 years ago
Hi-Fi 多说者英语语音合成数据集
本文介绍了一个新的多说话人英语数据集用于训练文本转语音模型。该数据集基于处于公共领域的 LibriVox 有声读物和 Project Gutenberg 文本书籍。新数据集包含 10 个说话者的约 292 小时的语音样本，采样率为 44.
PDF3 years ago