BriefGPT - AI 论文速递
·
口语到口语机器翻译中应力转移尝试
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种适用于电子商务应用的生产级代码混合印地语-英语TTS系统的方法，通过数据为导向的单一脚本双语训练，结合迁移学习和仅解码器微调来提高性能。实验结果表明，该系统在低资源语音适应和领域外纯代码混合句子上表现出高质量。
🎯
关键要点
-
提出了一种适用于电子商务应用的生产级代码混合印地语-英语 TTS 系统的方法。
-
采用数据为导向的方法，利用各种语言的单语数据集。
-
在纯代码混合测试集上，单一脚本双语训练效果良好。
-
通过 Tacotron2 + Waveglow 设置对单说话人适应和多说话人训练进行了评估，前者效果更佳。
-
结合迁移学习和仅解码器微调来提高性能。
-
与 Google TTS 进行比较，使用迁移学习方法获得 CMOS 分数为 0.02。
-
低资源语音适应实验表明只需 3 小时的数据即可引入新语音。
-
强调预先训练模型在资源受限设置中的重要性。
-
在大量领域外纯代码混合句子上进行了主观评估，展示系统的高质量。
➡️
