RUSLAN：用于语音合成的俄语口语语料库
音频与语音处理
2019-06-28 v1 机器学习
声音
机器学习
摘要
我们推出了 RUSLAN——一个面向文本到语音任务的新型开放俄语口语语料库。RUSLAN 包含 22200 个带有文本标注的音频样本——超过 31 小时的单人高质量语音——就单说话人的语音时长而言，它是最大的带标注俄语语料库。我们在该语料库上训练了一个端到端神经网络用于文本到语音任务，并使用平均意见分测试评估了合成语音的质量。在 5 分制 MOS 量表上，合成语音的自然度达到 4.05 分，可懂度达到 3.78 分。
引用
@article{arxiv.1906.11645,
title = {RUSLAN: Russian Spoken Language Corpus for Speech Synthesis},
author = {Lenar Gabdrakhmanov and Rustem Garaev and Evgenii Razinkov},
journal= {arXiv preprint arXiv:1906.11645},
year = {2019}
}
备注
Accepted to SPECOM'2019