清晰与正常语音在高倍率下的非线性时间压缩
音频与语音处理
2019-01-23 v1
摘要
我们比较了一系列应用于正常语音和清晰语音的时间压缩方法。首先，我们评估了应用于这些语音风格以及自然产生快速语音的线性（均匀）方法。我们发现，与文献一致，未处理的快速语音比线性压缩的正常语音可懂度更低。快速语音也比压缩的清晰语音可懂度更低，但在最高倍率（比正常快三倍）下，清晰语音相对于快速语音的优势消失。为检验这是否源于较短的语音时长，我们在第二个实验中评估了一系列以不同倍率压缩语音和静音的方法。我们发现，即使跨风格保持语音和静音的总时长相同，压缩的正常语音仍比压缩的清晰语音可懂度更高。将静音压缩为语音压缩倍率的两倍进一步改善了正常语音的结果，且几乎不增加额外计算成本。
引用
@article{arxiv.1901.07239,
title = {Non linear time compression of clear and normal speech at high rates},
author = {Cassia Valentini-Botinhao and Mirjam Wester and Junichi Yamagishi and Markus Toman and Michael Pucher and Dietmar Schabus},
journal= {arXiv preprint arXiv:1901.07239},
year = {2019}
}