|FastSpeech语音合成系统技术升级，微软联合浙大提出FastSpeech2( 三 )
本文插图
图2：音高调节实验 。 红色曲线代表修改后的基频曲线 。 对应的文本是：“They discarded this for a more completely Roman and far less beautiful letter.”
消融对比实验
我们也比较了模型中一些重要组件和方法（包括引入音高、能量和更准确的时长信息）对生成音质效果的影响 ， 通过 CMOS 的结果来衡量影响程度 。 由表3和表4可以看出 ， 这些组件和方法确实有助于模型效果的提高 。
本文插图
表3：从 Teacher 模型和 MFA 得到的 Duration 对比
本文插图
表4：消融实验
本文插图
未来工作
未来 ， 我们将在 FastSpeech 2 中尝试引入更多的可变信息来提高并行语音合成的音质 ， 并且尝试更加轻量的模型 ， 从而进一步提升生成语音的速度 。
我们一直致力于语音方面的研究 ， 包括文本到语音合成、低资源语音合成与识别、语音翻译、歌声及音乐合成等 。 欢迎关注我们语音方面的研究工作：https://speechresearch.github.io/
论文链接：
[1] FastSpeech: Fast, Robust and Controllable Text to Speech
paper: https://arxiv.org/pdf/1905.09263.pdf
demo: https://speechresearch.github.io/fastspeech/
article (Chinese): https://mp.weixin.qq.com/s/aHupAjPNFdUdaG9Uof_obQ
article (English): https://www.microsoft.com/en-us/research/blog/fastspeech-new-text-to-speech-model-improves-on-speed-accuracy-and-controllability/
[2] FastSpeech 2: Fast and High-Quality End-to-End Text to Speech
paper: https://arxiv.org/pdf/2006.04558.pdf
demo: https://speechresearch.github.io/fastspeech2/
本文作者：任意、胡晨旭、谭旭、秦涛、赵晟、赵洲、刘铁岩
本文插图
推荐阅读
- 智能电视|米家投影仪2 Pro官宣：1080P 支持远场语音、侧投
- 云计算|腾讯云小微首次技术开放日，揭秘AI语音背后的奥秘
- 中年|语音识别技术发展迅速，你需要全方位解读语音识别的最新著作
- 中年|江西师范大学Zhipeng Wang研究团队--简易合成碳球插层石墨烯片用作超级电容器电极
- 中年|欧盟开始对Alexa、Siri等语音助手展开反垄断调查
- 行业互联网|科大讯飞+智能语音系统！助力国家科技发展
- Amazon|欧盟拟对Siri和Alexa等语音助手发起反垄断调查
- 中国新闻网|中国国内首款少数民族语言AI合成主播问世
- Amazon,语音助手|亚马逊推出全新智能购物车 无需收银员就能结账
- AI人工智能|累计支持28.9亿终端 讯飞智能语音市场占有率稳居第一