采用ConvNeXt解码器和基频预测的低资源语音合成

王猛,杨鉴

Low resource speech synthesis using ConvNeXt decoder and fundamental frequency prediction

Meng WANG,Jian YANG

表 2 不同语音合成模型在3种语言数据集中的比较平均意见得分

Tab.2 Comparative mean opinion scores of different speech synthesis models in three language datasets

模型 CMOS 越南语 缅甸语 泰语 FastSpeech2 −0.245 −0.365 −0.457 Glow-TTS −0.198 −0.361 −0.451 VITS −0.209 −0.351 −0.313 改进模型 −0.177 −0.325 −0.258