奇富科技语音论文入选国际顶会INTERSPEECH 2023
【资料图】
近日,奇富科技机器人团队论文《Eden-TTS:一种简单高效的非自回归"端到端可微分"神经网络的语音合成架构》(Eden-TTS: A Simple and Efficient Parallel Text-to-speechArchitecture with Collaborative Duration-alignment Learning)被全球语音与声学顶级会议INTERSPEECH 2023接收。此次自研成果入选,代表着国际学术界对奇富科技在语音信号领域研究实力的极高认可。
INTERSPEECH是由国际语音通讯协会(International Speech Communication Association, ISCA)创办的语音信号处理领域顶级旗舰国际会议,是全球最大的综合性语音信号处理盛会,在国际上享有盛誉并具有广泛的学术影响力。历届INTERSPEECH会议都备受全球各地语音语言领域人士的广泛关注。
TTS技术当前主要应用于电销机器人、视频面审机器人、智能客服等人机交互场景和语音合成场景,它能把文本内容快速地转化为高质量、流畅自然的语音,从而实现更加智能、更有人性化的人机交互。文本音素和音频帧之间的对齐(alignment)学习是非自归TTS模型的最关键技术之一。现有的非自回归语音合成模型大多数需要引入外部alignment信息作为学习目标。在实际应用场景中,文本与语音的alignment是很难准确获得的,甚至是不能获得的,这极大地限制了此类方法的应用。另外,也有少数无需外部alignment的方法提出,然而这些方法大多不是端到端可微分的神经网络模型,存在构建困难,训练过程复杂,训练效率低等问题。
奇富科技的论文研究成果为需要文本转语音的应用场景提供了创新的解决方案,提出了一种端到端可微的非自回归神经网络语音合成模型架构。基于文本音素时长与alignment的密切关系,论文提出了一种简单高效的alignment学习方式:首先采用一种新的energy-modulated 注意力机制得到guided alignment,然后利用guided alignment计算音素的时长信息,最后通过音素的时长信息构建monotonicalignment。本方法无需外部的alignment信息,无需引入额外的alignment损失函数。
对业务提效而言,奇富科技的研究成果具有易训易用、音质高超、合成快速的优势。
这种端到端可微的方法使得各个模块可以方便地替换为各种类型的神经网络模块,从而具有良好的扩展性和稳定性。相比于主流的自回归模型,推理速度提升了10倍以上,能够满足实时语音合成的需求。
该方法也令合成语音更好听、更生动、更像真人,大大提升了语音交互的听觉感受。根据进行的多人MOS评测,该方法的MOS分值达到了4.32分(满分为5分),合成语音的自然流畅程度接近于目前最优的自回归模型,显著优于同类型的非自回归模型。
此外,与同类型方法相比,该方法可以节约50%以上的训练时间,显著提升模型训练效率。
奇富科技在对话机器人领域有着和业务同步的先发优势,在语音技术上,一直坚持投入、坚持自研。就在两个月前,奇富科技另一篇音频论文《基于多粒度Transformer的多模态情绪识别》(Multilevel Transformerfor Multimodal Emotion Recognition)被第48届IEEE声学、语音与信号处理国际会议(IEEE InternationalConference on Acoustics, Speech and Signal Processing, ICASSP 2023)接收。
"我们很高兴在理解用户、优化表达方面取得了关键性的成果。随着奇富GPT对于公司各业务层的重构,我们已经极大提升了对于用户在文本上的理解能力,从语音到文本,再从文本回到语音,更好的识别是为了更好的表达和输出,我们将持续投入,用前沿技术重塑用户体验。"奇富科技首席算法科学家费浩峻表示。
关键词:
上一篇:中专有后期制作专业吗?
下一篇:最后一页
- 子宫内膜增厚的原因和危害(子宫内膜增厚的原因)
- 晚婚晚育假天数是由什么规定的?晚婚婚假多少天?
- “深入了解真实、全面的中国” 环球通讯
- 支付宝怎么加好友:支付宝通过手机号添加好友的方法介绍
- 世界热推荐:整改“电费刺客”!广州6月底前全面纠正电费不规范收费
- 江苏连云港:“电子保姆”让社区养老服务更聪明
- “金牌店小二”助力“雄鑫铝业”——扬州首例重大科技型项目实现“拿地即开工”
- 最高法3年司法救助未成年人1万余人
- 世界热消息:万年牢课文图片_万年牢课文
- 世界今亮点!新恋爱时代结局什么意思_结局讲述了什么
-
澳门医疗人员药学技术人员将可依规在横琴深合区执业
新华社珠海5月31日电(记者王浩明)澳门医疗人员、药学技术人员在横琴粤澳深度合作区执业的管理规定31日公
-
永远不要依赖任何人
来源|洞见作者|洞见muye靠自己生活,灵魂都是安宁的。看过这样一句台词:“一个人如果能做到不依赖任何人,
-
5月31日基金净值:国泰中证计算机ETF最新净值1.2931,涨0.84% 环球热头条
5月31日,国泰中证计算机ETF最新单位净值为1 2931元,累计净值为1 2931元,较前一交易日上涨0 84%。历史数
-
每日速递:书面语和口语的区别 书面语
今天来聊聊关于书面语和口语的区别,书面语的文章,现在就为大家来简单介绍下书面语和口语的区别,书面语,
-
今日快讯:怀孕初期照什么b超比较好_怀孕初期拍b超最佳时间
1、临床绝经后,尿HCG检查或血HCG检查后,如果没有其他不适,建议绝经后50天左右做b超检查,这是最佳时间。
-
国家药监局:甲硝唑氯已定洗剂(浓)由处方药转换为非处方药
财经网医药讯据国家药监局官网5月31日消息,根据《处方药与非处方药分类管理办法(试行)》(原国家药品监
-
“订单式”种植确保农户不愁销路 “钱袋子”越来越鼓 焦点讯息
央视网消息:这两天,甘肃兰州皋兰县的1 3万亩白兰瓜陆续成熟上市。瓜农们忙着摘瓜、打包销售,一派丰收景
-
多项首发技术领先行业,探访深蓝S7品质诞生地——南京智慧工厂
5月31日,深蓝S7在南京智慧工厂下线,并且开启了商品车大规模的发运。事实上,深蓝S7在5月20日开启预定,如
-
每日观察!记者观摩自控式防狭窄水囊置入术:吃饭时放水,平时储水支撑 创新小球囊让食管不再狭窄!
图说:医生在手术中采访对象供图(下同)当66岁的张阿姨说起三年来第一次“自由”地吃到面条、鸡胸肉和巴沙
-
mt716-2019(mt716)
来为大家解答以上问题,mt716-2019,mt716很多人还不知道,现在让我们一起来看看吧!1、引起了热烈的关注。在摩
X 关闭
全球头条:新能源布局加速落子 风电光伏建设正酣
每日速递:气体传感器的发展现状与未来展望
当前速递!国内三大石油企业发布半年报 目光投向新能源
【全球聚看点】如何在智能建筑物联网与隐私之间取得平衡
快资讯:欧洲7月电动汽车销量同比下滑5%
X 关闭
中专有后期制作专业吗?
【原】龙吟师傅教你选择不同配色的窗帘来匹配家中色彩 今热点
当前滚动:西部黄金(601069):6月1日技术指标出现看涨信号-“红三兵”
售价5万一瓶的天价白酒,能获“美国韭菜”认可吗?
康城凿穿墙事件震惊全城,“首都”看楼量急挫5成|热推荐