计算机科学 > 声音
[提交于 2025年7月12日
]
标题: 基于隐式和显式声学特征条件的伦巴第语说话风格语音转换
标题: Voice Conversion for Lombard Speaking Style with Implicit and Explicit Acoustic Feature Conditioning
摘要: 文本到语音(TTS)系统采用伦巴第语风格可以提高语音的整体可懂性,这对听力损失和嘈杂环境很有用。 然而,训练这些模型需要大量数据,由于说话人和噪声的变异性以及令人疲惫的录音条件,伦巴第效应难以记录。 语音转换(VC)已被证明是在没有目标说话人目标语种录音数据的情况下训练TTS系统的有用增强技术。 在本文中,我们关注伦巴第语风格转换。 我们的目标是在转换说话人身份的同时保留定义伦巴第语风格的声学特征。 我们比较了具有隐式和显式声学特征条件的语音转换模型。 我们观察到,我们提出的隐式条件策略在可懂性方面取得的增益与基于显式声学特征的模型相当,同时还能保持说话人相似性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.