arXiv eess.AS RSS·· 1 天前
MGSA：面向零样本多说话人图像到语音合成的单调性引导语义对齐框架
Monotonicity-Guided Semantic Alignment for Zero-shot Multispeaker Image-to-Speech Synthesis
摘要
研究者提出单调性引导语义对齐（MGSA）框架，用于零样本多说话人图像到语音（Img2Sp）合成，通过语义语音单元提供跨说话人共享内容目标，并借助参考语音进行说话人条件化。
应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv eess.AS RSS · arxiv.org