通过语音增强提升公开演讲流畅度表现
声音
2019-08-06 v2 音频与语音处理
摘要
流畅而自信的演讲是每位演讲者所期望的。但专业的演讲表达需要大量经验与练习。本文中，我们提出一种语音流处理系统，可帮助非专业演讲者生成流畅、具专业感的语音内容，进而有助于提升听众的投入度与理解力。我们提出通过处理人类语音中的不流畅之处来实现该任务，如“uh”和“um”等声音、填充词以及尴尬的长停顿。给定任意未经排练的语音，我们对其分段并将填充停顿静音，同时利用通过专业语音数据集学习的预测模型来修正强加静音的时长以及其他长停顿（“不流畅”）。最终，我们输出一段音频流，其中演讲者相比其录制的原始语音听起来更为流畅、自信且老练。根据我们的定量评估，我们通过降低停顿与填充词出现率显著提升了语音流畅度。
引用
@article{arxiv.1812.03415,
title = {Increase Apparent Public Speaking Fluency By Speech Augmentation},
author = {Sagnik Das and Nisha Gandhi and Tejas Naik and Roy Shilkrot},
journal= {arXiv preprint arXiv:1812.03415},
year = {2019}
}