深度学习时代情感语音合成与转换综述
声音
2023-03-14 v1 机器学习
摘要
语音是人类交流的基本方式，其合成长期以来一直是人机交互研究的核心重点。近年来，机器已能够掌握生成人类可理解语音的技术。但话语的语言内容仅涵盖其意义的一部分。情感或表现力能够将语音转变为可传达亲密思想、感受与情绪的中介——这些方面对于引人入胜且自然的人际交流至关重要。尽管迄今为止赋予合成话语以表现力的目标仍难以实现，但随着近期文本到语音合成的发展，情感语音合成与转换领域也正在发生范式转变。深度学习作为支撑近期人工智能多数进展的技术，正引领这些努力。在本综述中，我们梳理当前趋势并总结最先进的方法，试图对这一令人振奋的领域提供全面概览。
引用
@article{arxiv.2210.03538,
title = {An Overview of Affective Speech Synthesis and Conversion in the Deep Learning Era},
author = {Andreas Triantafyllopoulos and Björn W. Schuller and Gökçe İymen and Metin Sezgin and Xiangheng He and Zijiang Yang and Panagiotis Tzirakis and Shuo Liu and Silvan Mertes and Elisabeth André and Ruibo Fu and Jianhua Tao},
journal= {arXiv preprint arXiv:2210.03538},
year = {2023}
}
备注
Submitted to the Proceedings of IEEE