BriefGPT - AI 论文速递
·
MunTTS: 一个 Mundari 语文到语音系统
💡
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。实验结果显示单说话人适应方法效果更好，低资源语音适应实验表明只需要3小时的数据就可以引入新语音。主观评估展示了系统的高质量。
🎯
关键要点
- 提出了一种适用于电子商务应用的印地语-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。
- 单一脚本双语训练在纯代码混合测试集上效果良好。
- 通过Tacotron2 + Waveglow设置评估单说话人适应和多说话人训练，单说话人适应效果更佳。
- 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。
🏷️
标签
➡️
