基于双向编码器表示的日语文本语音合成中的短语断句预测
音频与语音处理
2021-04-27 v1 计算与语言
机器学习
摘要
我们提出了一种新颖的短语断句预测方法，该方法结合了从预训练大语言模型（即 BERT）提取的隐式特征，以及从带有语言特征的 BiLSTM 提取的显式特征。在传统的基于 BiLSTM 的方法中，词表示和/或句表示被用作独立组件。所提方法同时考虑两种表示以提取潜在语义，这是以往方法无法捕捉的。客观评估结果表明，与基于 BiLSTM 的使用语言特征的常规方法相比，所提方法的 F1 分数绝对提升了 3.2 个点。此外，感知听测结果验证，应用我们所提方法的 TTS 系统在韵律自然度上获得了 4.39 的平均意见分，与具有真实短语断句的合成语音得分 4.37 极具竞争力。
引用
@article{arxiv.2104.12395,
title = {Phrase break prediction with bidirectional encoder representations in Japanese text-to-speech synthesis},
author = {Kosuke Futamata and Byeongseon Park and Ryuichi Yamamoto and Kentaro Tachibana},
journal= {arXiv preprint arXiv:2104.12395},
year = {2021}
}
备注
Submitted to INTERSPEECH 2021