基于神经网络的语音合成中音高重音标注准确性及去噪效应研究
音频与语音处理
2018-08-03 v1 计算与语言
声音
机器学习
摘要
我们研究了噪声语言特征对基于使用 WaveNet 声码器的神经网络的日语语音合成系统性能的影响。我们将一个在训练集和测试集中使用经人工校正的包括音素和韵律信息的语言特征的理想系统，与另外几个使用受损语言特征的系统进行比较。主观和客观结果均表明，由于训练集与测试集之间的条件不匹配，受损语言特征（尤其是测试集中的）在统计意义上显著影响了理想系统的性能。有趣的是，虽然话语级图灵测试显示听者难以区分合成语音与自然语音，但它进一步表明，在训练集中向语言特征添加噪声可部分减轻不匹配的影响、正则化模型，并有助于系统在测试集语言特征含噪时表现更好。
引用
@article{arxiv.1808.00665,
title = {Investigating accuracy of pitch-accent annotations in neural network-based speech synthesis and denoising effects},
author = {Hieu-Thi Luong and Xin Wang and Junichi Yamagishi and Nobuyuki Nishizawa},
journal= {arXiv preprint arXiv:1808.00665},
year = {2018}
}
备注
Accepted for Interspeech 2018