KazakhTTS：一个开源哈萨克语语音合成数据集
音频与语音处理
2021-09-09 v3 计算与语言
声音
摘要
本文介绍了一个高质量的哈萨克语开源语音合成数据集，哈萨克语是一种由全球超过1300万人使用的低资源语言。该数据集包含约93小时由两名专业发音人（女声和男声）录制的转写音频。这是首个公开可用的大规模数据集，旨在推动学术界与工业界的哈萨克语文本到语音（TTS）应用。在本文中，我们分享了构建数据集的经验，描述了开发流程与面临的挑战，并探讨了重要的未来方向。为证明数据集的可靠性，我们构建了端到端基线 TTS 模型，并使用主观平均意见分（MOS）进行了评估。评估结果显示，基于本数据集训练的最佳 TTS 模型对两名发音人均达到4以上的 MOS，使其可用于实际场景。该数据集、训练脚本及预训练 TTS 模型均可免费获取。
引用
@article{arxiv.2104.08459,
title = {KazakhTTS: An Open-Source Kazakh Text-to-Speech Synthesis Dataset},
author = {Saida Mussakhojayeva and Aigerim Janaliyeva and Almas Mirzakhmetov and Yerbolat Khassanov and Huseyin Atakan Varol},
journal= {arXiv preprint arXiv:2104.08459},
year = {2021}
}
备注
5 pages, 4 tables, 2 figures, accepted to INTERSPEECH 2021