arXiv eess.AS· Ziyang Zhang, Yifan Gao, Xuenan Xu, Baoxiang Li, Wen Wu, Chao Zhang·· 2 天前评分37
BELLE：可学习多位教师的贝叶斯语音合成器
Bayesian Speech Synthesizers Can Learn from Multiple Teachers
导读
针对 TTS 一对多问题，BELLE 在 MELLE 等连续值自回归 TTS 架构上为每帧 mel 频谱的均值和方差引入贝叶斯先验并由输入预测，同时保持单次采样。由于估计方差需同一文本的多条录音，作者构建了真实录音 ParallelVox 与在 LibriSpeech 上加入六个预训练 TTS 教师语音的 LS+6TTS。相同训练条件下 BELLE 优于 MELLE，并支持流式生成。
来源：arXiv eess.AS · arxiv.org