会员服务
语音合成（Speech Synthesis），也称为文语转换（Text-to-Speech, TTS,它是将任意的输入文本转换成自然流畅的语音输出。语音合成涉及到人工智能、心理学、声学、语言学、数字信号处理、计算机科学等多个学科技术，是信息处理领域中的一项前沿技术。 随着计算机技术的不断提高，语音合成技术从早期的共振峰合成,逐步发展为波形拼接合成和统计参数语音合成，再发展到混合语音合成；合成语音的质量、自然度已经得到明显提高，基本能满足一些特定场合的应用需求。目前，语音合成技术在银行、医院等的信息播报系统、汽车导航系统、自动应答呼叫中心等都有广泛应用，取得了巨大的经济效益。 另外，随着智能手机、MP3、PDA 等与我们生活密切相关的媒介的大量涌现，语音合成的应用也在逐渐向娱乐、语音教学、康复治疗等领域深入。可以说语音合成正在影响着人们生活的方方面面。
Scalable Direction-Following TTS via Voice Impression-Guided Pseudo Triplet Construction
Arxiv
0+阅读 · 9月2日
Hearing the Whispers: Black-Box Membership Inference Attacks on Finetuned TTS Models
Arxiv
0+阅读 · 9月1日
Self-EmoQ: Plutchik-Guided Value-based Planning to Drive Streaming Emotional TTS
Arxiv
0+阅读 · 9月1日
Backdoor Attacks on Speech Emotion Recognition via TTS-Generated Poisoning
Arxiv
0+阅读 · 9月1日
Phrase-Localized Language-Contrastive Guidance: Training-Free Localized Accent Control for Code-Switching Text-to-Speech
Arxiv
0+阅读 · 9月1日
Ready to Speak: Aligning LLMs for TTS-Friendly Text Generation
Arxiv
0+阅读 · 9月1日
Joycent: Multi-Accent TTS via Disentangled Accent Modeling and Layer-Specific Conditioning
Arxiv
0+阅读 · 8月30日
Diagnose, Then Refine: A Closed-Loop TTS System with AudioLLM-Guided Correction
Arxiv
0+阅读 · 8月29日
Sequential Trajectories and Simultaneous Blending: Multi-Emotion Modeling for Instruction-Following TTS
Arxiv
0+阅读 · 8月31日
MLAAD: The Multi-Language Audio Anti-Spoofing Dataset
Arxiv
0+阅读 · 8月28日
Test-Time Scaling for Video Diffusion Models via Diagnosis-Guided Candidate Recycling
Arxiv
0+阅读 · 8月29日
UltraVoice: Scaling Fine-Grained Style-Controlled Speech Conversations for Spoken Dialogue Models
Arxiv
0+阅读 · 8月29日
EmoSay: Artificial Intelligence-Driven Text-to-Emotional-Speech System for Affective Communication in Extended Reality
Arxiv
0+阅读 · 8月27日
SCALE: Self-uncertainty Conditioned Adaptive Looking and Execution for Vision-Language-Action Models
Arxiv
0+阅读 · 8月28日
ProPS: Prompted Profile Synthesis for Natural Language-Conditioned Speaker Embedding Distributions
Arxiv
0+阅读 · 7月6日
参考链接
微信扫码咨询专知VIP会员
Top