仅用单语数据构建混合语言神经 TTS 系统
计算与语言
2019-08-23 v2 声音
音频与语音处理
摘要
在部署中文神经文本到语音（TTS）合成系统时，挑战之一在于合成嵌入英文短语或单词的中文语句。本文在仅可获得目标说话人单语数据的编码器-解码器框架下考察此问题。具体地，我们从两方面审视该问题：语句内说话人一致性与自然度。我们从由多说话人单语数据（即普通话与英语数据）构建的平均声音模型出发开展研究。在此基础上，我们考察用于语句内说话人一致性的说话人嵌入，以及用于自然度与可懂度的音素嵌入，并研究模型训练的数据选择。我们报告了发现并讨论了仅用单语数据构建混合语言 TTS 系统的挑战。
引用
@article{arxiv.1904.06063,
title = {Building a mixed-lingual neural TTS system with only monolingual data},
author = {Liumeng Xue and Wei Song and Guanghui Xu and Lei Xie and Zhizheng Wu},
journal= {arXiv preprint arXiv:1904.06063},
year = {2019}
}
备注
To appear in INTERSPEECH 2019