利用野外极少数据克隆个人声音
音频与语音处理
2021-10-11 v2 人机交互
声音
摘要
随着语音合成产品日益普及，工业界对个性化语音合成提出了更多要求：（1）如何使用低资源、易获取的数据克隆一个人的声音。（2）如何在克隆一个人声音的同时控制风格与韵律。为解决上述两个问题，我们提出了Hieratron模型框架，其中韵律与音色由两个模块分别建模，从而在生成语音时可实现对音色及音频其他特性的独立控制。实践表明，对于野外极少的目标说话人数据，Hieratron相较传统方法具有明显优势，除可控制生成语音的风格与语言外，生成语音在语音质量上的平均意见得分也提升了0.2分以上。
引用
@article{arxiv.2110.03347,
title = {Cloning one's voice using very limited data in the wild},
author = {Dongyang Dai and Yuanzhe Chen and Li Chen and Ming Tu and Lu Liu and Rui Xia and Qiao Tian and Yuping Wang and Yuxuan Wang},
journal= {arXiv preprint arXiv:2110.03347},
year = {2021}
}