ADAPT-TTS: high-quality zero-shot multi-speaker text-to-speech adaptive-based for Vietnamese
Tác giả: Phuong Pham Ngoc, Chung Tran Quang, Mai Luong Chi
Số trang:
P. 159-173
Số phát hành:
Tập 39 - Số 2
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
03 Quang Trung
Mã phân loại:
621
Ngôn ngữ:
English
Từ khóa:
Zero-shot TTS, multi-speaker, text-to-speech, diffusion models, mel-spectrogram denoiser, Extracting Mel-vector, EMV, Adapt-TTS
Chủ đề:
Engineering
Tóm tắt:
In this paper introduce the Adapt-TTS model that allows high-quality audio synthesis from a small adaptive sample without training to solve these problems. Key recommendations: 1. The Extracting Mel-vector (EMV) architecture allows for a better representation of speaker characteristics and speech style; 2. An improved zero-shot model with a denoising diffusion model (Mel-spectrogram denoiser) component allows for new voice synthesis without training with better quality (less noise).
Tạp chí liên quan
- Đặc trưng từ vựng, ngữ pháp điển hình của ngôn ngữ Anh văn pháp lí trong lĩnh vực tố tụng dân sự
- Phối hợp phong bế đa thần kinh ngoại vi với gây mê mask thanh quản cho bệnh nhân phẫu thuật thay khớp háng nguy cơ rất cao: Báo cáo ca lâm sàng
- Viêm phổi hoại tử và giãn phế quản lan tỏa có biến thể dị hợp tử CFTR c.4056G>C: Báo cáo ca bệnh hiếm gặp ở trẻ em Việt Nam
- Cường giáp không liên quan đến cơ chế tự miễn do đột biến hoạt hóa gen TSHR: Báo cáo ca bệnh
- Viêm mũi xoang thai kỳ: Tổng quan tường thuật về chẩn đoán phân biệt và an toàn điều trị





