Publication

Preliminary Work on Speaker Adaptation for DNN-Based Speech Synthesis

2015
Reports

Résumé

We investigate speaker adaptation in the context of deep neural network (DNN) based speech synthesis. More specifically, our current work focuses on the exploitation of auxiliary information such as gender, speaker identity or age during the DNN training process. The proposed technique is compared to standard acoustic feature transformations such as the feature based maximum likelihood linear regression (FMLLR) based speaker adaptation. Objective error measurements as well as perceptual experiments, performed on the WSJCAM0 database, suggest that the proposed method is superior to standard feature transformations.

Source officielle

https://infoscience.epfl.ch/entities/publication/f900ade0-e1be-4f73-9f74-2831ab4a74f7

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2015
Reports

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/f900ade0-e1be-4f73-9f74-2831ab4a74f7

À propos de ce résultat

Concepts associés (15)

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Speaker recognition

Speaker recognition is the identification of a person from characteristics of voices. It is used to answer the question "Who is speaking?" The term voice recognition can refer to speaker recognition or speech recognition. Speaker verification (also called speaker authentication) contrasts with identification, and speaker recognition differs from speaker diarisation (recognizing when the same speaker is speaking).

Synthèse vocale

La synthèse vocale est une technique informatique de synthèse sonore qui permet de créer de la parole artificielle à partir de n'importe quel texte. Pour obtenir ce résultat, elle s'appuie à la fois sur des techniques de traitement linguistique, notamment pour transformer le texte orthographique en une version phonétique prononçable sans ambiguïté, et sur des techniques de traitement du signal pour transformer cette version phonétique en son numérisé écoutable sur un haut parleur.

Afficher plus

Publications associées (16)

Afficher plus

Preliminary Work on Speaker Adaptation for DNN-Based Speech Synthesis

Chattez avec Graph Search

Efficient Data-Driven and Physics-Informed Machine Learning for Cardiovascular Modeling

Cerebellar GABA and executive function among adult female carriers of the fragile X messenger ribonucleoprotein 1 premutation: a pilot study to examine neural underpinnings of the clinical phenotype

Physically Enhanced Neural Network for Lithium-ion Battery State of Health Estimation