面向 22 种印度语言的文本转语音合成数据集收集统一框架
音频与语音处理
2024-10-21 v1
摘要
文本转语音（TTS）合成模型的性能取决于多种因素，其中训练数据的质量尤为重要。全球范围内已收集了数百万数据用于各种语言，但印度语言的资源却寥寥。尽管已有众多数据收集努力，但为数据收集制定统一的协议变得必要，以构建印度语言的 TTS 系统，主要是因为需要跨语言统一开发 TTS 系统。本文总结了我们在印度语言数据收集方面历经 15 年的经验。这些数据库已用于单元选择合成、基于隐马尔可夫模型的以及端到端框架，并用于生成富有韵律的 TTS 系统。最显著的特征是收集的数据纯度，使得即使在数据量较小的情况下（相对于欧洲/中文语言），也能构建高质量的 TTS 系统。
引用
@article{arxiv.2410.14197,
title = {A Unified Framework for Collecting Text-to-Speech Synthesis Datasets for 22 Indian Languages},
author = {Sujitha Sathiyamoorthy and N Mohana and Anusha Prakash and Hema A Murthy},
journal= {arXiv preprint arXiv:2410.14197},
year = {2024}
}
备注
Submitted to ICASSP 2025