AutoTTS:微分可能期間モデリングによるエンドツーエンドテキスト音声合成【JST・京大機械翻訳】

Nguyen Bac; Cardinaux Fabien; Uhlich Stefan

プレプリント

J-GLOBAL ID：202202201215138577 整理番号：22P0307699

AutoTTS:微分可能期間モデリングによるエンドツーエンドテキスト音声合成【JST・京大機械翻訳】

AutoTTS: End-to-End Text-to-Speech Synthesis through Differentiable Duration Modeling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2023年03月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

並列テキスト対音声(TTS)モデルは,最近,高速かつ高自然音声合成を可能にした。しかし,それらは通常外部アラインメントモデルを必要とし,それらは,それらが共同訓練されないので,復号器のために必ずしも最適化されない。本論文では,入力と出力シーケンス間の単調アラインメントを学習するための微分可能継続時間法を提案した。提案手法は,期待における確率的プロセスを最適化するソフト継続時間メカニズムに基づいている。この微分可能継続時間法を用いて,直接テキストツー波形音声合成モデルであるAutoTTSを導入した。自動TTSは,敵対的訓練と全地平継続時間のマッチングの組み合わせを通して,高忠実度音声合成を可能にする。実験結果は,著者らのモデルが,非常に単純な訓練パイプラインを楽しむ間,競合結果を得ることを示す。オーディオ試料はオンラインで利用できる。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

音声処理

, , ,

前のページに戻る