会员服务
语音合成（Speech Synthesis），也称为文语转换（Text-to-Speech, TTS,它是将任意的输入文本转换成自然流畅的语音输出。语音合成涉及到人工智能、心理学、声学、语言学、数字信号处理、计算机科学等多个学科技术，是信息处理领域中的一项前沿技术。 随着计算机技术的不断提高，语音合成技术从早期的共振峰合成,逐步发展为波形拼接合成和统计参数语音合成，再发展到混合语音合成；合成语音的质量、自然度已经得到明显提高，基本能满足一些特定场合的应用需求。目前，语音合成技术在银行、医院等的信息播报系统、汽车导航系统、自动应答呼叫中心等都有广泛应用，取得了巨大的经济效益。 另外，随着智能手机、MP3、PDA 等与我们生活密切相关的媒介的大量涌现，语音合成的应用也在逐渐向娱乐、语音教学、康复治疗等领域深入。可以说语音合成正在影响着人们生活的方方面面。
ProsodyFM: Unsupervised Phrasing and Intonation Control for Intelligible Speech Synthesis
Arxiv
0+阅读 · 12月19日
Deep Speech Synthesis from Multimodal Articulatory Representations
Arxiv
0+阅读 · 12月17日
Synthetic Speech Classification: IEEE Signal Processing Cup 2022 challenge
Arxiv
0+阅读 · 12月17日
CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models
Arxiv
0+阅读 · 12月18日
Hierarchical Control of Emotion Rendering in Speech Synthesis
Arxiv
0+阅读 · 12月17日
Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
Arxiv
0+阅读 · 12月17日
CoVoMix: Advancing Zero-Shot Speech Generation for Human-like Multi-talker Conversations
Arxiv
0+阅读 · 12月15日
Rethinking MUSHRA: Addressing Modern Challenges in Text-to-Speech Evaluation
Arxiv
0+阅读 · 12月15日
Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech
Arxiv
0+阅读 · 12月16日
ProsodyFM: Unsupervised Phrasing and Intonation Control for Intelligible Speech Synthesis
Arxiv
0+阅读 · 12月16日
CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models
Arxiv
0+阅读 · 12月13日
AMuSeD: An Attentive Deep Neural Network for Multimodal Sarcasm Detection Incorporating Bi-modal Data Augmentation
Arxiv
0+阅读 · 12月13日
TouchTTS: An Embarrassingly Simple TTS Framework that Everyone Can Touch
Arxiv
0+阅读 · 12月12日
EmoSpeech: A Corpus of Emotionally Rich and Contextually Detailed Speech Annotations
Arxiv
0+阅读 · 12月12日
A Preliminary Analysis of Automatic Word and Syllable Prominence Detection in Non-Native Speech With Text-to-Speech Prosody Embeddings
Arxiv
0+阅读 · 12月11日
参考链接
父主题
语音技术
微信扫码咨询专知VIP会员
Top