Reducing over-smoothness in speech synthesis using Generative Adversarial Networks

Результат исследования: Публикации в книгах, отчётах, сборниках, трудах конференцийстатья в сборнике материалов конференциинаучнаярецензирование

Аннотация

Speech synthesis is widely used in many practical applications. In recent years, speech synthesis technology has developed rapidly. However, one of the reasons why synthetic speech is unnatural is that it often has over-smoothness. In order to improve the naturalness of synthetic speech, we first extract the mel-spectrogram of speech and convert it into a real image, then take the over-smooth mel-spectrogram image as input, and use image-To-image translation Generative Adversarial Networks(GANs) framework to generate a more realistic mel-spectrogram. Finally, the results show that this method greatly reduces the over-smoothness of synthesized speech and is more close to the mel-spectrogram of real speech.

Язык оригиналаанглийский
Название основной публикации2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON)
ИздательIEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC
Страницы972-974
Число страниц3
ISBN (электронное издание)978-1-7281-4401-6
ISBN (печатное издание)978-1-7281-4402-3
DOI
СостояниеОпубликовано - окт 2019

Ключевые слова

  • Ситнез речи
  • Сверх-сглаженность
  • мел-спектрограммы
  • Генеративные состязательные сети

Fingerprint Подробные сведения о темах исследования «Reducing over-smoothness in speech synthesis using Generative Adversarial Networks». Вместе они формируют уникальный семантический отпечаток (fingerprint).

  • Цитировать

    Sheng, L., & Pavlovskiy, E. N. (2019). Reducing over-smoothness in speech synthesis using Generative Adversarial Networks. В 2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON) (стр. 972-974). IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC. https://doi.org/10.1109/SIBIRCON48586.2019.8957862