粤语神经语音合成中上升语调建模研究
音频与语音处理
2022-08-04 v1 计算与语言
机器学习
声音
摘要
在人类语音中，说话者的态度无法仅通过文本内容充分表达，还必须借助语调。陈述性疑问句是粤语日常对话中的常见句式，通常带有上升语调。 vanilla 神经文本转语音（TTS）系统因语义信息缺失，无法为这些句子合成上升语调。尽管以额外语言模型补充系统已更为常见，但其在上升语调建模上的表现尚缺乏充分研究。本文提出以基于 BERT 的陈述/疑问分类器补充粤语 TTS 模型，设计了不同训练策略并比较其表现。我们在名为 CanTTS 的粤语语料库上开展实验，实证结果表明分离训练方法取得了最佳的泛化性能与可行性。
引用
@article{arxiv.2208.02189,
title = {A Study of Modeling Rising Intonation in Cantonese Neural Speech Synthesis},
author = {Qibing Bai and Tom Ko and Yu Zhang},
journal= {arXiv preprint arXiv:2208.02189},
year = {2022}
}
备注
Accepted by INTERSPEECH 2022