LibriTTS-R : Un corpus de synthèse vocale multi-locuteurs restauré
LibriTTS-R: A Restored Multi-Speaker Text-to-Speech Corpus
May 30, 2023
Auteurs: Yuma Koizumi, Heiga Zen, Shigeki Karita, Yifan Ding, Kohei Yatabe, Nobuyuki Morioka, Michiel Bacchiani, Yu Zhang, Wei Han, Ankur Bapna
cs.AI
Résumé
Cet article présente un nouveau jeu de données vocales appelé ``LibriTTS-R'', conçu pour la synthèse vocale (TTS). Il est dérivé en appliquant une restauration audio au corpus LibriTTS, qui comprend 585 heures de données vocales échantillonnées à 24 kHz provenant de 2 456 locuteurs, ainsi que les textes correspondants. Les échantillons constitutifs de LibriTTS-R sont identiques à ceux de LibriTTS, seule la qualité sonore ayant été améliorée. Les résultats expérimentaux montrent que les échantillons de référence de LibriTTS-R présentent une qualité sonore nettement supérieure à ceux de LibriTTS. De plus, un système de synthèse vocale neuronale de bout en bout entraîné avec LibriTTS-R a atteint un niveau de naturalité vocale comparable à celui des échantillons de référence. Le corpus est librement téléchargeable à l'adresse http://www.openslr.org/141/.
English
This paper introduces a new speech dataset called ``LibriTTS-R'' designed for
text-to-speech (TTS) use. It is derived by applying speech restoration to the
LibriTTS corpus, which consists of 585 hours of speech data at 24 kHz sampling
rate from 2,456 speakers and the corresponding texts. The constituent samples
of LibriTTS-R are identical to those of LibriTTS, with only the sound quality
improved. Experimental results show that the LibriTTS-R ground-truth samples
showed significantly improved sound quality compared to those in LibriTTS. In
addition, neural end-to-end TTS trained with LibriTTS-R achieved speech
naturalness on par with that of the ground-truth samples. The corpus is freely
available for download from http://www.openslr.org/141/.