Coco-Nut：用于基于提示控制的日语语音及声音特征描述语料库
声音
2023-09-26 v1 音频与语音处理
摘要
在文本转语音中，控制声音特征对于实现多种用途的语音合成十分重要。考虑到文本条件生成（如文本转图像）的成功，自由格式的文本指令应有助于对声音特征进行直观且复杂的控制。一个包含相应自由格式描述、规模足够大且高质量、多样化的语音样本语料库能够推进此类控制研究。然而，目前既无开放语料库，也无可扩展的方法。为此，我们构建了 Coco-Nut，一个包含多样化日语语音以及文本转写和自由格式声音特征描述的新语料库。我们构建该语料库的方法包括：1）从互联网自动收集语音相关音频数据，2）质量保证，以及 3）使用众包进行人工标注。此外，我们在通过对比语音-文本学习训练的提示嵌入模型上对我们的语料库进行了基准测试。
引用
@article{arxiv.2309.13509,
title = {Coco-Nut: Corpus of Japanese Utterance and Voice Characteristics Description for Prompt-based Control},
author = {Aya Watanabe and Shinnosuke Takamichi and Yuki Saito and Wataru Nakata and Detai Xin and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:2309.13509},
year = {2023}
}
备注
Submitted to ASRU2023