Prompted Profile Synthesis

新框架ProPS从文本提示合成说话人嵌入

研究人员开发了ProPS，一个用于合成由自然语言提示条件化的说话人嵌入的新框架。该系统将说话人资料的文本描述转换为句子嵌入，然后指导混合密度网络在x-vector空间中预测高斯混合模型。ProPS已证明其能够生成准确反映所需属性（如年龄、性别、口音和韵律）的说话人嵌入分布，使其对于文本到语音（Text-To-Speech）和语音转换（Voice Conversion）等可控语音生成系统具有价值。