迈向自然语音转换：NaturalVoices数据集与自动处理管道
音频与语音处理
2024-06-10 v1
摘要
语音转换（VC）研究传统上依赖于脚本或表演性语音，缺乏真实对话的自然自发性。虽然自然语音数据对于VC有限，但我们的研究专注于填补这一空白。我们引入了一个新颖的数据源管道，发布了用于VC的自然语音数据集，名为NaturalVoices。该管道利用最新的深度学习方法，从原始播客数据中提取语音中的丰富信息，如情感和信噪比（SNR），并提供灵活性和易用性。NaturalVoices是一个大规模、自发的、富有表现力和情感的语音数据集，包含从MSP-Podcast数据集的原始播客中获取的超过3800小时的语音。客观和主观评估证明了使用我们的管道为VC提供自然和表达性数据的有效性，表明NaturalVoices在更广泛的语音生成任务中的潜力。
引用
@article{arxiv.2406.04494,
title = {Towards Naturalistic Voice Conversion: NaturalVoices Dataset with an Automatic Processing Pipeline},
author = {Ali N. Salman and Zongyang Du and Shreeram Suresh Chandra and Ismail Rasim Ulgen and Carlos Busso and Berrak Sisman},
journal= {arXiv preprint arXiv:2406.04494},
year = {2024}
}