音声合成

メモ、音声合成の国際学会

・INTERSPEECH 2022

・ICASSP2022

VALL-E

【注目論文】Sinusoidal Frequency Estimation by Gradient Descent

coefont

最先端のAI音声変換技術を用いて、誰の声でもリアルタイムに自分以外の人の声色に変換できる ソフトウエアを開発

音声合成エンジン

リアルな人間っぽい合成音声を生成するAI　「えー」「あぁ」「うん」なども再現　YouTubeやPodcastで学習

来週のNLC研究会で「自由記述文による声質制御に向けたin-the-wild文データ収集法」を発表します．

合成音声の声質も自然言語(論文では日本語)で指示できるようにしよう，そのためにクソデカデータセットを作ろう，という話です．(去年の6月くらいから集めててやっと終わった)

AssemblyAIがものすごい精度の音声認識AI出してきた。

OpenAIのWhisperもえげつない精度の高さだったが、動画内の最後のチャートにあるように全てのジャンルでWhisperよりも認識精度が高い。

ここまで精度上がってくるとVUIの普及も一気に加速しそう。

ChatGPTに声を与えてみる（ESPNet）

coeiroink

WhisperをFineTuningして専門用語を認識可能にする

Hugging FaceでOpenAIの音声認識”Whisper”をFine Tuningする方法が公開されました

OpenAI の Whisper を、自前の音声データで Fine Tuning するプログラム

音声認識（文字起こし）の精度をより向上するにはどうしたら良いですか？

CPUで高速動作可能なニューラルネットを用いた高品質テキスト音声合成技術