MnTTS：一个开源蒙古语语音合成数据集及其配套基线系统
声音
2022-09-23 v1 人工智能
音频与语音处理
摘要
本文介绍了一个高质量的蒙古语开源语音合成（TTS）数据集，蒙古语是一种由全球超过1000万人使用的低资源语言。该数据集名为MnTTS，包含约8小时由一名22岁专业女性蒙古语播音员录制的转写音频。这是首个为促进学术界和工业界蒙古语TTS应用而开发的公开可用数据集。在本文中，我们通过描述数据集开发流程和面临的挑战来分享经验。为证明数据集的可靠性，我们基于FastSpeech2模型和HiFi-GAN声码器构建了一个强大的非自回归基线系统，并使用主观平均意见得分（MOS）和实时因子（RTF）指标对其进行评估。评估结果表明，在我们数据集上训练的强基线系统MOS达到4以上，RTF约为，这使其适用于实际用途。数据集、训练配方和预训练TTS模型均可免费获取\footnote{\label{github}\url{https://github.com/walker-hyf/MnTTS}}。
引用
@article{arxiv.2209.10848,
title = {MnTTS: An Open-Source Mongolian Text-to-Speech Synthesis Dataset and Accompanied Baseline},
author = {Yifan Hu and Pengkai Yin and Rui Liu and Feilong Bao and Guanglai Gao},
journal= {arXiv preprint arXiv:2209.10848},
year = {2022}
}
备注
Accepted at the 2022 International Conference on Asian Language Processing (IALP2022)