TokAN

TokAN框架使用自监督语音令牌进行口音归一化

研究人员开发了TokAN，一个新颖的口音归一化框架，可将非母语口音转换为标准口音，同时保留说话人身份。与需要并行L1-L2语音数据或在合成目标时出现质量下降的先前方法不同，TokAN利用自监督离散语音令牌。该系统采用自回归编码器-解码器模型进行令牌到令牌的转换，并结合强化学习进行训练后优化，进一步降低了词错误率。在七种英语口音上的实验表明，TokAN在口音减少和可懂度方面显著优于现有基线。