本文介绍了tacotron2，一种直接从文本合成语音的神经网络结构。该系统由一个循环序列到序列特征预测网络组成，该网络将字符嵌入映射到mel尺度谱图，然后由一个改进的波网络模型作为声码器，从这些谱图合成时域波形。我们的模型实现了4.53的平均意见核心（MOS），与专业录音语音的平均意见核心（MOS）4.58相当。为了验证我们的设计选择，我们对我们系统的关键部件进行了初步研究，并评估了使用mel谱图作为波网络的条件输入而不是语言、持续时间和F0特征的影响。我们进一步表明，使用这种紧凑的声学中间表示法可以显著减小波网结构的尺寸。
2021-06-29 09:09:20
331KB
文本到语音合成系统通常由多个阶段组成，例如文本分析前端、声学模型和音频合成模块。构建这些组件通常需要广泛的领域专业知识，并且可能包含脆弱的设计选择。在本文中，我们提出了Tacotron，一个端到端生成的文本到语音模型，直接从字符合成语音。在给定对的情况下，可以通过随机初始化完全从头开始训练模型。我们提出了几个关键技术，使sequence-to-sequence框架能够很好地执行这项具有挑战性的任务。Tacotron在美式英语上获得了3.82分的主观5级平均意见分数，在自然度方面优于生产参数系统。此外，由于Tacotron在帧级别生成语音，因此它比样本级别的自回归方法快得多。
2021-06-29 09:02:52
504KB
20210617-头豹研究院-智能语音行业精品报告：从语音合成（TTS）的发展探寻智能语音行业的现状与未来.pdf
2021-06-17 13:14:21
1.58MB
为了实现Python版本的讯飞语音合成，官方只给出了C++版本的实现，于是我自己封装实现Python版本TTS部分。
2021-06-15 13:30:42
16KB
1
本资源是润尼尔公司内部资源，仅供大家学习参考。
1、项目中有详细的使用文档
2、支持PC，WebGL语音合成、语音识别、录音功能
3、资源已更新到最新版本1.0.4
4、运行环境Unity2018.3
创作不易，欢迎大家关注博主：
https://blog.csdn.net/qq_43123093/article/details/104817384
2021-06-14 22:59:53
10.1MB
1
利用科大讯飞做的一个基于android的语音识别和语音合成的app，
利用科大讯飞做的一个基于android的语音识别和语音合成的app，
利用科大讯飞做的一个基于android的语音识别和语音合成的app，
利用科大讯飞做的一个基于android的语音识别和语音合成的app，
2021-06-10 17:19:18
43.07MB
1