基于 Tacotron2、WaveGlow 与迁移学习的低资源端到端梵语 TTS
计算与语言
2022-12-08 v1 声音
音频与语音处理
机器学习
摘要
端到端文本转语音（TTS）系统已针对英语和西班牙语等欧洲语言开发，具有最先进的语音质量、韵律与自然度。然而，印度语言的端到端 TTS 在质量方面仍落后。此类任务涉及的挑战包括：1）高质量训练数据稀缺；2）训练与推理效率低；3）在词汇量大的情况下收敛慢。在本文报道的工作中，我们研究了在低资源环境下，用有限的梵语数据微调英语预训练的 Tacotron2 模型，以合成自然 sounding 的梵语语音。我们的实验显示出令人鼓舞的结果，在 37 位具备良好梵语口语知识的评估者中取得了 3.38 的总体 MOS。考虑到我们所使用的语音数据时长仅 2.5 小时，这确实是一个非常好的结果。
引用
@article{arxiv.2212.03558,
title = {Low-Resource End-to-end Sanskrit TTS using Tacotron2, WaveGlow and Transfer Learning},
author = {Ankur Debnath and Shridevi S Patil and Gangotri Nadiger and Ramakrishnan Angarai Ganesan},
journal= {arXiv preprint arXiv:2212.03558},
year = {2022}
}