基于本土语料训练的克尔米语文本转语音系统优化：高质量WaveGlow语音合成器方法
计算与语言
2024-09-25 v2 声音
音频与语音处理
摘要
随着文本转语音技术的发展，合成语音从文本已大大促进了对数字内容的获取。然而，针对低资源语言（如中央克尔米语CKB）的有效语音合成开发仍面临诸多挑战，这主要源于缺乏语言信息和专用资源。在本文中，我们基于Tacotron改进了克尔米语TTS系统，通过在21小时中央克尔米语语音语料上训练克尔米语WaveGlow语音合成器，而非使用预训练的英语语音合成器。针对目标语言语料进行语音合成器训练是为了准确且流畅地适应克尔米语的语音和韵律变化。这些改进的有效性体现在：我们的模型在基线系统（使用英语预训练模型）之上表现显著更佳。特别地，我们的自适应WaveGlow模型实现了令人印象深刻的4.91分的MOS评分，为克尔米语语音合成树立了新的基准。一方面，这项研究赋予了克尔米语TTS系统的先进功能，另一方面，也为克尔米语其他方言及其他相关语言的进一步发展开辟了道路。
引用
@article{arxiv.2409.13734,
title = {Enhancing Kurdish Text-to-Speech with Native Corpus Training: A High-Quality WaveGlow Vocoder Approach},
author = {Abdulhady Abas Abdullah and Sabat Salih Muhamad and Hadi Veisi},
journal= {arXiv preprint arXiv:2409.13734},
year = {2024}
}