实体
StyleTTS 2
StyleTTS 2
PulseAugur coverage of StyleTTS 2 — every cluster mentioning StyleTTS 2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
FastThaiG2P系统实现快速泰语语音合成
研究人员开发了FastThaiG2P，一种用于快速泰语字母到音素转换的新型系统。该系统实现了每句话低于毫秒级的延迟，使其在文本到语音管道中效率极高。该方法利用了PyThaiNLP分词词典和规范化规则，词汇外（OOV）率低。FastThaiG2P已集成到StyleTTS 2模型中，能够以4倍实时因子发声清晰可懂的泰语语音。
-
新框架可根据面部图像生成语音
研究人员开发了一个新颖的面部到语音（F2S）框架，能够从静态面部图像生成逼真的声音，克服了文本到语音（TTS）系统需要参考音频的限制。该系统利用一个轻量级的面部适配器，将面部识别特征与冻结的StyleTTS 2模型的风格空间对齐。在LRS3数据集上的评估表明，合成语音高度自然，声音生成一致，并且面部到语音检索的准确率高于随机水平。值得注意的是，一个英语训练的适配器也能生成流利的西班牙语语音，这表明面部到风格的映射在很大程度上是与语言无关的。