arXiv · ML· Sai Harshitha Aluru, Chiranjeevi Yarra·· 3 天前AI 评分33
ProTTS:通过自动词重音发现实现端到端的重音感知且可控的自然 TTS
ProTTS: End-to-End Prominence-aware Natural and Controllable Text-to-Speech via Automatic Word Stress Discovery
AI 导读
ProTTS 提出了一种统一的 TTS 框架,通过聚类头自动发现词重音并指导语音合成。 该模型基于 FastSpeech_2,无需标注即可端到端训练,支持用户自定义重音掩码。 听众偏好 ProTTS,其 MOS 为 3.96(基线 3.12),在 Tatoeba 上实现 0.933 的 F1 重音检测分数。
来源:arXiv · ML · arxiv.org