X-LANCE团队关于Interspeech 2024离散语音单元挑战赛的技术报告
音频与语音处理
2024-04-11 v2 人工智能
摘要
离散语音标记在多个语音处理领域越来越受欢迎，包括自动语音识别（ASR）、文本到语音（TTS）和歌唱语音合成（SVS）。在本文中，我们描述了上海交通大学X-LANCE团队为Interspeech 2024离散语音单元挑战赛的TTS（声学+声码器）、SVS和ASR赛道开发的系统。值得注意的是，我们在TTS赛道中，无论是使用完整训练集还是仅使用1小时训练数据，均以所有提交中最高UTMOS分数和最低比特率获得了排行榜第一名。
引用
@article{arxiv.2404.06079,
title = {The X-LANCE Technical Report for Interspeech 2024 Speech Processing Using Discrete Speech Unit Challenge},
author = {Yiwei Guo and Chenrun Wang and Yifan Yang and Hankun Wang and Ziyang Ma and Chenpeng Du and Shuai Wang and Hanzheng Li and Shuai Fan and Hui Zhang and Xie Chen and Kai Yu},
journal= {arXiv preprint arXiv:2404.06079},
year = {2024}
}
备注
5 pages, 3 figures. Report of a challenge