ArmanTTS 单说话人波斯语数据集
计算与语言
2023-04-10 v1
摘要
TTS（文本转语音）是一个复杂的过程，可通过使用深度学习方法进行恰当建模来实现。为实现深度学习模型，需要合适的数据集。由于波斯语在此领域的工作稀缺，本文介绍单说话人数据集：ArmanTTS。我们将该数据集的特性与多种流行数据集进行比较，以证明 ArmanTTS 满足训练波斯语文本转语音转换模型的必要标准。我们还结合 Tacotron 2 与 HiFi GAN 设计了一个模型，可接收音素作为输入，输出为对应语音。真实语音的 MOS 值为 4.0，声码器预测的 MOS 值为 3.87，由 TTS 模型生成合成语音的 MOS 值达到 2.98。
引用
@article{arxiv.2304.03585,
title = {ArmanTTS single-speaker Persian dataset},
author = {Mohammd Hasan Shamgholi and Vahid Saeedi and Javad Peymanfard and Leila Alhabib and Hossein Zeinali},
journal= {arXiv preprint arXiv:2304.03585},
year = {2023}
}