基于发音特征与语言无关元学习的低资源语音合成
计算与语言
2022-03-08 v1 机器学习
音频与语音处理
摘要
尽管神经文本到语音系统在高资源场景下表现极为出色，但由于缺乏合适的训练数据，它们无法应用于世界上超过 6000 种口语中的大多数。本工作中，我们使用由发音向量导出的嵌入，而非由音素身份导出的嵌入，来学习跨语言成立的音素表示。结合语言无关元学习，这使我们能够在仅 30 分钟、由未见过的说话人所说的未见过的语言数据上微调出高质量的文本到语音模型。
引用
@article{arxiv.2203.03191,
title = {Language-Agnostic Meta-Learning for Low-Resource Text-to-Speech with Articulatory Features},
author = {Florian Lux and Ngoc Thang Vu},
journal= {arXiv preprint arXiv:2203.03191},
year = {2022}
}
备注
Accepted for the ACL 2022 main conference