VoxHakka：面向台湾客家语的方言多说手文本语音合成系统
声音
2024-10-03 v3 人工智能
计算与语言
音频与语音处理
摘要
本文介绍了 VoxHakka，一个为台湾语客家语设计的文本语音合成（TTS）系统。该语言在台湾处于资源匮乏的状态。通过利用 YourTTS 框架，VoxHakka 在语音合成中实现了高自然度和准确度，同时支持六种不同的客家方言。通过针对性地训练方言特定数据，实现了说话人感知的客家语语音生成。为解决公开可用的客家语语料稀缺问题，我们采用了基于网页抓取管道结合基于自动语音识别（ASR）的数据清洗技术的经济高效方法。该过程确保获取了适用于 TTS 训练的高质量、多说话人、多方言数据集。使用比较性平均意见得分（CMOS）进行的主观听觉测试表明，VoxHakka 在发音准确性、音调正确性和整体自然度方面显著优于现有的公开客家语 TTS 系统。本工作代表了客家语言技术的重大进展，为语言保存与复兴 efforts 提供了宝贵资源。
引用
@article{arxiv.2409.01548,
title = {VoxHakka: A Dialectally Diverse Multi-speaker Text-to-Speech System for Taiwanese Hakka},
author = {Li-Wei Chen and Hung-Shin Lee and Chen-Chi Chang},
journal= {arXiv preprint arXiv:2409.01548},
year = {2024}
}
备注
Accepted to O-COCOSDA 2024