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。
Synthetic Speech Detection Based on Temporal Consistency and Distribution of Speaker Features
Arxiv
0+阅读 · 9月29日
Low-Resource Self-Supervised Learning with SSL-Enhanced TTS
Arxiv
0+阅读 · 9月29日
ReFlow-TTS: A Rectified Flow Model for High-fidelity Text-to-Speech
Arxiv
0+阅读 · 9月29日
Mega-TTS 2: Zero-Shot Text-to-Speech with Arbitrary Length Speech Prompts
Arxiv
0+阅读 · 9月28日
BiSinger: Bilingual Singing Voice Synthesis
BiSinger: Bilingual Singing Voice Synthesis
Arxiv
0+阅读 · 9月29日
Collaborative Watermarking for Adversarial Speech Synthesis
Arxiv
0+阅读 · 9月26日
High-Fidelity Speech Synthesis with Minimal Supervision: All Using Diffusion Models
Arxiv
0+阅读 · 9月27日
Learning Speech Representation From Contrastive Token-Acoustic Pretraining
Learning Speech Representation From Contrastive Token-Acoustic Pretraining
Arxiv
0+阅读 · 9月27日
BiSinger: Bilingual Singing Voice Synthesis
Arxiv
0+阅读 · 9月25日
CPSP: Learning Speech Concepts From Phoneme Supervision
Arxiv
0+阅读 · 9月25日
Coco-Nut: Corpus of Japanese Utterance and Voice Characteristics Description for Prompt-based Control
Arxiv
0+阅读 · 9月24日
VoiceLens: Controllable Speaker Generation and Editing with Flow
Arxiv
0+阅读 · 9月25日
HiGNN-TTS: Hierarchical Prosody Modeling with Graph Neural Networks for Expressive Long-form TTS
Arxiv
0+阅读 · 9月25日
AutoPrep: An Automatic Preprocessing Framework for In-the-Wild Speech Data
Arxiv
0+阅读 · 9月25日
VoiceLDM: Text-to-Speech with Environmental Context
Arxiv
0+阅读 · 9月24日
参考链接
父主题
语音技术
微信扫码咨询专知VIP会员
Top