声明:平时看些文章做些笔记分享出来,文章中难免存在错误的地方,还望大家海涵。搜集一些资料,方便查阅学习:http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html,语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg)。如有转载,请注明出处。欢迎关注微信公众号:低调奋进。
DelightfulTTS: The Microsoft Speech Synthesis System for Blizzard Challenge 2021
本文是微软在2021.10.25更新的文章,主要是参加Blizzard Challenge 2021大赛的方案,但该方案在MOS和SMOS非常出众,具体的文章链接https://arxiv.org/pdf/2110.12612.pdf
1 简介
Blizzard Challenge 大赛主要为TTS领域提供交流的赛事,更好突出当前最优的TTS方案。Blizzard Challenge2021主要提供5小时的西班牙语的训练语料,本文在fastspeech和Adaspeech基础上提出了DelightfulTTS,该系统在参赛的队伍中脱颖而出,其合成的语音质量媲美原始语音。另外除了官方提供的5小时训练语料,微软还是使用公司具有的80小时西班牙语料训练基础模型,这是其他队伍所不具备的优势条件。结果显示,本文的方案在MOS和SMOS表现突出,媲美原始语音。
2 详细设计
本文的方案是在FastSpeech和Adaspeech基础上设计的方案,具体如图1所示