Text-to-speech (TTS) processing
PulseAugur coverage of Text-to-speech (TTS) processing — every cluster mentioning Text-to-speech (TTS) processing across labs, papers, and developer communities, ranked by signal.
-
UR-BERT 实现支持495种语言的多语言TTS系统
研究人员开发了UR-BERT，这是一种新颖的文本编码器，旨在显著扩展大规模多语言文本到语音（TTS）系统的能力。与受音素到音素资源限制的传统方法不同，UR-BERT将各种书写系统统一为通用的罗马化格式，从而支持495种语言。该系统还包含一个语音令牌预测目标，以提高语音准确性和文本-语音对齐，在现有基线上表现出优越的性能，并对新语言具有强大的泛化能力。
-
人工智能语音技术合集包括TTS、STT和声音克隆
这篇Mastodon帖子汇集了关于人工智能语音技术的资源。它涵盖了文本到语音（TTS）、语音到文本（STT）、语音合成和声音克隆。该页面作为笔记和链接的集合，供进一步探索这些人工智能驱动的音频功能。
-
新的 ParsVoice 语料库提升波斯语 TTS 能力
研究人员推出了 ParsVoice，这是一个大规模的波斯语语音和文本数据新语料库，旨在推进波斯语的文本到语音（TTS）合成和其他语音处理任务。该数据集包含 2,200 小时的 TTS 就绪音频，拥有来自 1,815 名已识别说话人的超过 136 万个对齐片段，其规模远大于之前的波斯语语音数据集。创建过程涉及一个复杂的流程，包括微调 ParsBERT 模型、优化音频边界、恢复标点符号以及进行说话人识别和质量评估。通过微调多语言 TTS …
-
人工智能语音技术：TTS、STT 和语音合成资源的精选集
这篇 Mastodon 帖子汇集了关于人工智能语音技术的资源，涵盖文本到语音（TTS）、语音到文本（STT）和语音合成。它作为人工智能驱动的语音生成和识别的各个方面信息的中心枢纽。