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。
U-Codec: Ultra Low Frame-rate Neural Speech Codec for Fast High-fidelity Speech Generation
Arxiv
0+阅读 · 10月19日
Edge-Based Speech Transcription and Synthesis for Kinyarwanda and Swahili Languages
Arxiv
0+阅读 · 10月18日
DiEmo-TTS: Disentangled Emotion Representations via Self-Supervised Distillation for Cross-Speaker Emotion Transfer in Text-to-Speech
Arxiv
0+阅读 · 10月17日
RLAIF-SPA: Optimizing LLM-based Emotional Speech Synthesis via RLAIF
Arxiv
0+阅读 · 10月16日
Continuous-Token Diffusion for Speaker-Referenced TTS in Multimodal LLMs
Arxiv
0+阅读 · 10月14日
A Linguistically Motivated Analysis of Intonational Phrasing in Text-to-Speech Systems: Revealing Gaps in Syntactic Sensitivity
Arxiv
0+阅读 · 10月15日
Mismatch Aware Guidance for Robust Emotion Control in Auto-Regressive TTS Models
Arxiv
0+阅读 · 10月15日
StressTransfer: Stress-Aware Speech-to-Speech Translation with Emphasis Preservation
Arxiv
0+阅读 · 10月15日
ParsVoice: A Large-Scale Multi-Speaker Persian Speech Corpus for Text-to-Speech Synthesis
Arxiv
0+阅读 · 10月14日
ParsVoice: A Large-Scale Multi-Speaker Persian Speech Corpus for Text-to-Speech Synthesis
Arxiv
0+阅读 · 10月12日
Perturbation Self-Supervised Representations for Cross-Lingual Emotion TTS: Stage-Wise Modeling of Emotion and Speaker
Arxiv
0+阅读 · 10月13日
BridgeCode: A Dual Speech Representation Paradigm for Autoregressive Zero-Shot Text-to-Speech Synthesis
BridgeCode: A Dual Speech Representation Paradigm for Autoregressive Zero-Shot Text-to-Speech Synthesis
Arxiv
0+阅读 · 10月13日
O_O-VC: Synthetic Data-Driven One-to-One Alignment for Any-to-Any Voice Conversion
Arxiv
0+阅读 · 10月10日
Phonikud: Hebrew Grapheme-to-Phoneme Conversion for Real-Time Text-to-Speech
Arxiv
0+阅读 · 10月10日
SeamlessEdit: Background Noise Aware Zero-Shot Speech Editing with in-Context Enhancement
Arxiv
0+阅读 · 10月9日
参考链接
父主题
语音技术
微信扫码咨询专知VIP会员
Top