瑞士德语的语音自适应
计算与语言
2025-05-29 v1 声音
音频与语音处理
摘要
本工作研究了瑞士德语方言的语音自适应模型性能，即将标准德语文本翻译为瑞士德语方言语音。为此，我们预处理了一个大型瑞士播客数据集，对其进行自动转录并标注方言类别，产生了约 5000 小时的弱标注训练材料。我们在此数据集上微调了 XTTSv2 模型，并表明它在人工和自动评估中取得了良好分数，且能够正确渲染所需的方言。我们的工作展示了将语音克隆技术适应于低资源语言的一步。最终模型实现了高达 -0.28 的 CMOS 分数和 3.8 的 SMOS 分数。
引用
@article{arxiv.2505.22054,
title = {Voice Adaptation for Swiss German},
author = {Samuel Stucki and Jan Deriu and Mark Cieliebak},
journal= {arXiv preprint arXiv:2505.22054},
year = {2025}
}
备注
Submitted to Interspeech