生成性表达式会话语音合成

我们提出了一种新颖的情感对话语音合成模型(ECSS)，通过引入异构图的情感上下文建模机制以提高情感理解。使用对比学习的情感渲染器模块来推断目标话语的准确情感风格，解决了数据稀缺性问题，并注释了现有对话数据集(DailyTalk)上的附加情感信息。客观和主观评价表明，我们的模型在理解和表达情感方面优于基线模型，并强调了全面的情感注释的重要性。