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。
E2E-VGuard: Adversarial Prevention for Production LLM-based End-To-End Speech Synthesis
Arxiv
0+阅读 · 11月10日
DMP-TTS: Disentangled multi-modal Prompting for Controllable Text-to-Speech with Chained Guidance
Arxiv
0+阅读 · 12月10日
Progressive Facial Granularity Aggregation with Bilateral Attribute-based Enhancement for Face-to-Speech Synthesis
Arxiv
0+阅读 · 11月10日
LAPS-Diff: A Diffusion-Based Framework for Singing Voice Synthesis With Language Aware Prosody-Style Guided Learning
Arxiv
0+阅读 · 11月28日
GLM-TTS Technical Report
Arxiv
0+阅读 · 12月16日
Step-Audio-EditX Technical Report
Arxiv
0+阅读 · 11月5日
SynTTS-Commands: A Public Dataset for On-Device KWS via TTS-Synthesized Multilingual Speech
Arxiv
0+阅读 · 11月11日
SynTTS-Commands: A Public Dataset for On-Device KWS via TTS-Synthesized Multilingual Speech
Arxiv
0+阅读 · 11月24日
Synthetic Voices, Real Threats: Evaluating Large Text-to-Speech Models in Generating Harmful Audio
Arxiv
0+阅读 · 11月14日
SpeechJudge: Towards Human-Level Judgment for Speech Naturalness
Arxiv
0+阅读 · 11月11日
SpeechJudge: Towards Human-Level Judgment for Speech Naturalness
Arxiv
0+阅读 · 11月30日
Highly Efficient Test-Time Scaling for T2I Diffusion Models with Text Embedding Perturbation
Arxiv
0+阅读 · 12月3日
VoiceCraft-X: Unifying Multilingual, Voice-Cloning Speech Synthesis and Speech Editing
Arxiv
0+阅读 · 11月15日
Comparative Evaluation of Expressive Japanese Character Text-to-Speech with VITS and Style-BERT-VITS2
Arxiv
0+阅读 · 11月30日
Reconstructing Unseen Sentences from Speech-related Biosignals for Open-vocabulary Neural Communication
Arxiv
0+阅读 · 10月31日
参考链接
微信扫码咨询专知VIP会员
Top