VRAIN-UPV MLLP 参加 Blizzard Challenge 2021 的系统
声音
2021-11-01 v1 音频与语音处理
摘要
本文介绍了 VRAIN-UPV MLLP 针对 Blizzard Challenge 2021 中 SH1 任务所构建的语音合成系统。SH1 任务要求构建一个西班牙语文本到语音（text-to-speech）系统，训练数据基于（但不局限于）Blizzard Challenge 2021 组织发布的语料库。该语料包含一名母语为西班牙语的女性说话人 5 小时录音室级质量录音。在我们的情况中，该数据集仅被用于构建一个两阶段神经文本到语音流水线，由具有显式时长建模的非自回归声学模型与 HiFi-GAN 神经声码器组成。在评估结果中，我们的团队标识为 J。我们的系统在主观评价测试中取得了非常好的结果。在另外 11 个参与系统中，仅有一个系统的自然度优于 ours。具体而言，其自然度 MOS 为 3.61，而真实样本为 4.21。
引用
@article{arxiv.2110.15792,
title = {VRAIN-UPV MLLP's system for the Blizzard Challenge 2021},
author = {Alejandro Pérez-González-de-Martos and Albert Sanchis and Alfons Juan},
journal= {arXiv preprint arXiv:2110.15792},
year = {2021}
}