arXiv cs.SD RSS·· 1 天前
SelfTTS：通过显式嵌入解耦与自增强自优化实现跨说话人风格迁移
SelfTTS: cross-speaker style transfer through explicit embedding disentanglement and self-refinement using self-augmentation
摘要
SelfTTS 是一种无需外部预训练说话人或情感编码器的跨说话人风格迁移 TTS 模型，通过梯度反转层（GRL）结合余弦相似度损失显式解耦说话人与情感信息，并引入多正样本对比学习（MPCL）聚类说话人和情感嵌入。该模型还采用基于自增强的自优化策略，利用自身语音转换能力提升合成语音自然度。实验显示其在情感自然度（eMOS）及目标音色与情感稳定性上优于现有基线。
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 cs.SD RSS · arxiv.org