利用跨语言语音转换构建多语言 TTS
音频与语音处理
2020-12-29 v1 声音
摘要
本文提出一种新的跨语言语音转换（VC）方法，该方法利用多个 ASR 声学模型从输入语音中提取 PPG（音素后验图，Phonetic PosteriorGrams），通过一个 DNN 模型生成所有语音参数（MCEP、LF0、BAP）。使用所提出的 VC 方法，我们尝试了三种不同的方法来构建多语言 TTS 系统而无需录制多语言语音语料库。进行了听感测试以评估转换语音与目标语音之间的语音质量（自然度）和说话人相似度。结果表明，方法 1 达到了最高自然度（5 分制下 3.28 MOS）和相似度（2.77 MOS）。
引用
@article{arxiv.2012.14039,
title = {Building Multi lingual TTS using Cross Lingual Voice Conversion},
author = {Qinghua Sun and Kenji Nagamatsu},
journal= {arXiv preprint arXiv:2012.14039},
year = {2020}
}