使用資料增強的文本到語音的跨發言人風格轉換
我們通過語音轉換，利用資料增強來解決文本到語音（TTS）的跨說話人風格轉換問題。我們假設有一個來自目标說話人的中性非表達性資料的語料庫，以及來自不同說話人的支援性對話表達性資料。我們的目标是建立一個具有表現力的TTS系統，同時保留目标說話人的身份。拟議的方法依賴于語音轉換，首先從支援表現力的說話人集合中産生高品質的資料。然後将語音轉換後的資料與目标說話人的自然資料彙集在一起，用于訓練單人多風格TTS系統。我們提供的證據表明，這種方法是高效、靈活和可擴充的。該方法使用一個或多個支援性的說話人以及可變數量的支援性資料進行評估。我們進一步提供證據表明，當使用多個支援性發言人時，這種方法允許對說話風格進行一定的控制。最後，我們将所提出的技術擴充到7種語言的14位發言人身上。結果表明，我們的技術在保留目标說話人身份的同時，在風格相似性方面持續改善了合成樣本。
《Cross-speaker style transfer for text-to-speech using data augmentation》
論文位址:網頁連結
