基于交替训练及预训练的低资源泰语语音合成
泰语作为一种有数千万人口使用的语言,应用较为广泛,20世纪90年代末就有学者开展了泰语语音合成的研究.近年来,基于深度神经网络并利用大规模高质量"文本-音频"数据训练的端到端语音合成系统,已经能够合成出高质量的语音.目前,汉语、英语等通用语已拥有海量的语音合成数据库,然而泰语作为一种非通用语可获取的"文本-音频"数据库规模往往较小.在低资源条件下,以提高泰语语音合成质量为目标,选用端到端语音合成模型Tacotron2作为基线模型,研究交替训练方法以及预训练方法,研究不同文本嵌入方式对泰语语音合成效果的影响;然后从注意力对齐图和MOS评分两方面对文中设计的6种模型所合成的语音进行测评.实验结果表明,采用"元辅音嵌入+预训练+交替训练"方法的系统的语音合成质量最好,合成语音的MOS评分可达3.95分,明显优于基线系统的1.71分.
语音合成、泰语、低资源、交替训练、预训练
50
TP391(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
416-420