潜空间填充：面向零样本语音合成的潜空间数据增强
音频与语音处理
2024-01-23 v3
摘要
以往的零样本文本到语音（ZS-TTS）工作试图通过众包扩充训练数据或增强现有语音数据来改进其系统。然而，低质量数据的使用导致了整体系统性能的下降。为避免此类退化，我们不直接增强输入数据，而是提出一种潜空间填充（LF）方法，在 ZS-TTS 系统的说话人嵌入空间中采用简单而有效的潜空间数据增强。通过引入一致性损失，LF 可无缝集成到现有 ZS-TTS 系统中，无需额外的训练阶段。实验结果表明，LF 在保持语音质量的同时显著提升了说话人相似度。
引用
@article{arxiv.2310.03538,
title = {Latent Filling: Latent Space Data Augmentation for Zero-shot Speech Synthesis},
author = {Jae-Sung Bae and Joun Yeop Lee and Ji-Hyun Lee and Seongkyu Mun and Taehwa Kang and Hoon-Young Cho and Chanwoo Kim},
journal= {arXiv preprint arXiv:2310.03538},
year = {2024}
}
备注
Accepted to ICASSP 2024