研究人员开发了首个端到端的文本到语音(TTS)系统,用于埃菲克语,一种在尼日利亚使用的低资源声调语言。该研究创建了一个包含2,632个发音的语料库,并评估了四种神经网络模型:VITS、MMS-TTS、SpeechT5和Orpheus-TTS。MMS-TTS表现最佳,MOS得分为3.80,但仍存在声调错误。研究结果强调了非洲语言需要更大的数据集和声调感知模型。 AI
影响 这项研究为开发代表性不足的非洲语言的语音合成技术提供了基准,有望提高可访问性和数字保存。
排序理由 学术论文,详细介绍了一种用于低资源语言的新型TTS系统。
- arXiv
- Efik
- MMS-TTS
- Nat-MOS
- Nigeria
- Orpheus-TTS
- SpeechT5: Unified-Modal Encoder-Decoder Pre-Training for Spoken Language Processing
- VITS
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →