自适应语音合成实验方案
原创
自适应语音合成也可以认为是训练一 个多说话人模型（也就是预训练模型），主要是通过一个256维的讲者嵌入来表征不同说话人，将表征后的讲者嵌入加入到改进后的声学模型中，利用该模型提取训练集内不同说话人的时长、能量、音高等音频信息，进而得到梅尔频谱的音频表征形式，而在最后的声码器部分则选择使用Parallel WaveGAN和MelGAN分别进行实验。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
相关产品与服务
语音合成
语音合成（Text To Speech，TTS）满足将文本转化成拟人化语音的需求，打通人机交互闭环。提供多场景、多语言的音色选择，支持 SSML 标记语言，支持自定义音量、语速等参数，让发音更专业、更符合场景需求。语音合成广泛适用于智能客服、有声阅读、新闻播报、人机交互等业务场景。