RWEN-TTS：面向自然语音合成的关系感知词编码网络
计算与语言
2022-12-16 v1 机器学习
声音
音频与语音处理
摘要
随着深度学习的出现，大量能生成类人语音的文本转语音（TTS）模型应运而生。近来，通过引入关于输入文本的句法与语义信息，人们提出了多种方法来丰富 TTS 模型的自然度与表现力。尽管这些策略取得了令人印象深刻的成果，它们在利用语言信息方面仍存在局限。首先，多数方法仅使用图网络来利用句法与语义信息，而未考虑语言特征。其次，多数先前工作在编码句法与语义信息时未显式考虑相邻词，尽管显然相邻词在编码当前词时通常具有意义。为解决这些问题，我们提出了关系感知词编码网络（RWEN），它基于两个模块（即语义级关系编码与相邻词关系编码）有效利用句法与语义信息。实验结果显示相较先前工作有实质性提升。
引用
@article{arxiv.2212.07939,
title = {RWEN-TTS: Relation-aware Word Encoding Network for Natural Text-to-Speech Synthesis},
author = {Shinhyeok Oh and HyeongRae Noh and Yoonseok Hong and Insoo Oh},
journal= {arXiv preprint arXiv:2212.07939},
year = {2022}
}
备注
Accepted to AAAI 2023