电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月25日
]
标题: 未见过的说话人和语言适应用于带有适配器的轻量级文本到语音
标题: Unseen Speaker and Language Adaptation for Lightweight Text-To-Speech with Adapters
摘要: 在本文中,我们通过适配器的视角研究跨语言文本到语音(TTS)合成,在轻量级TTS系统背景下。 特别是,我们将未见说话人和语言适应的任务进行比较,目标是在目标语言中合成目标语音,其中目标语音没有在该语言中的录音。 客观评估的结果表明,适配器在学习语言特定和说话人特定信息方面的有效性,使预训练模型能够学习未见过的说话人身份或语言,同时避免原始模型的说话人或语言信息的灾难性遗忘。 此外,为了衡量生成语音在口音方面的自然程度,我们提出并验证了一个受第二语言(L2)学习者发音错误检测技术启发的客观度量标准。 本文还提供了关于适配器放置、配置以及使用的说话人数目的影响的见解。
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.