Byakto 语音：基于卷积神经网络的实时长语音合成——从英语到孟加拉语的迁移学习
声音
2021-06-09 v1 机器学习
音频与语音处理
摘要
语音合成是深度学习难以自动化的挑战性任务之一，且作为低资源语言，孟加拉语语音合成的尝试甚少。现有工作大多只能处理简单的孟加拉文字符文本、极短句子等。本文试图通过引入 Byakta——首个基于深度学习的开源双语（孟加拉语和英语）文本转语音合成系统——来解决这些问题。我们还提出了一种基于语音识别模型的自动评分指标，用于评估 TTS 模型的性能。我们同时引入了用于评估语音质量的孟加拉语语音合成模型测试基准数据集。该 TTS 系统可在 https://github.com/zabir-nabil/bangla-tts 获取。
引用
@article{arxiv.2106.03937,
title = {Byakto Speech: Real-time long speech synthesis with convolutional neural network: Transfer learning from English to Bangla},
author = {Zabir Al Nazi and Sayed Mohammed Tasmimul Huda},
journal= {arXiv preprint arXiv:2106.03937},
year = {2021}
}