研究人员开发了一个感知非语言发声(NVV)的DiTAR系统,以改进语音合成中非语言发声的生成。该系统对连续语音潜在表示进行建模,并将16种NVV类别编码为不同的标记,调整停顿预测以区分话语中非语言发声和边界。该系统在ISCSLP 2026 NVVSpeech挑战赛的普通话和总类别中均获得最高排名,证明了针对性合成增强和频率感知再平衡在代表性不足的NVV方面的有效性。 AI
影响 通过更好地模拟非语言发声,提高了合成语音的自然度和表现力。
排序理由 该集群包含一篇详细介绍语音生成新系统的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →