使用Bark与基于检索的语音转换为低资源ASR构建定制数据增强
声音
2024-01-11 v3 计算与语言
音频与语音处理
摘要
本文提出两种创新方法，为印地语等低资源语言构建定制的Common Voice数据集。第一种方法利用Suno开发的基于Transformer的文本到音频模型Bark，并融合Meta的enCodec与预训练HuBert模型以提升Bark的性能。第二种方法采用基于检索的语音转换（RVC），并使用Ozen工具包进行数据准备。两种方法均推动了ASR技术的进步，并为解决构建低资源语言定制Common Voice数据集的挑战提供了宝贵见解。此外，它们为实现面向多种应用的高质量个性化语音生成提供了一条途径。
引用
@article{arxiv.2311.14836,
title = {Custom Data Augmentation for low resource ASR using Bark and Retrieval-Based Voice Conversion},
author = {Anand Kamble and Aniket Tathe and Suyash Kumbharkar and Atharva Bhandare and Anirban C. Mitra},
journal= {arXiv preprint arXiv:2311.14836},
year = {2024}
}