研究人员开发了一种名为 OscillaTTS 的新型文本到语音系统，该系统改进了表现力语音中尖锐韵律过渡和快速音高变化的建模。该系统引入了一种自适应振荡非线性，可在保持信号稳定性的同时实现可控的周期性调制。在 LJSpeech 和 Emotional Speech Dataset 上的实验表明，在客观和主观评估中均取得了持续的改进，表明与使用 Snake 激活函数等静态非线性的现有方法相比，对表现力韵律动力学进行了更好的建模。 AI
影响 增强了 TTS 系统中的表现力语音能力，有望带来更自然、更具吸引力的合成语音。
排序理由 该集群包含一篇详细介绍 TTS 新模型/方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.25424v1 Announce Type: cross Abstract: Diffusion-based text-to-speech (TTS) models have achieved significant improvements in speech quality. However, modeling sharp prosodic transitions and rapid pitch variations in expressive speech remains challenging. Existing diffu…
Diffusion-based text-to-speech (TTS) models have achieved significant improvements in speech quality. However, modeling sharp prosodic transitions and rapid pitch variations in expressive speech remains challenging. Existing diffusion-based TTS decoders commonly utilize periodic …