CSDL Bài trích Báo - Tạp chí
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
- Nâng cao hiệu quả thi hành pháp luật về bảo hiểm cháy, nổ bắt buộc đối với nhà chung cư ở Việt Nam
- Nâng cao hiệu quả kiểm soát quyền hành pháp trong Nhà nước pháp quyền xã hội chủ nghĩa Việt Nam
- Yêu cầu tội phạm hóa trong Công ước Liên Hợp Quốc về chống tội phạm mạng và những vấn đề đặt ra đối với việc hoàn thiện quy định của Bộ luật Hình sự Việt Nam
- Thực trạng kiểm sát giải quyết vụ án tranh chấp kinh doanh bất động sản theo thủ tục sơ thẩm và giải pháp
- Thời điểm phát sinh quyền đại diện của người đại diện theo pháp luật của pháp nhân : một số bất cập của pháp luật hiện hành cần hoàn thiện