LibriTTS-R: 복원된 다중 화자 텍스트-음성 변환 코퍼스

초록

본 논문은 텍스트-음성 변환(TTS) 용도로 설계된 새로운 음성 데이터셋인 ``LibriTTS-R''를 소개한다. 이 데이터셋은 2,456명의 화자가 발화한 24kHz 샘플링 속도의 585시간 분량의 음성 데이터와 해당 텍스트로 구성된 LibriTTS 코퍼스에 음성 복원 기술을 적용하여 제작되었다. LibriTTS-R의 구성 샘플들은 LibriTTS와 동일하지만, 음질만 개선되었다. 실험 결과, LibriTTS-R의 실제 음성 샘플들은 LibriTTS의 샘플들에 비해 음질이 크게 향상된 것으로 나타났다. 또한, LibriTTS-R로 학습된 신경망 기반 종단간(end-to-end) TTS 모델은 실제 음성 샘플과 동등한 수준의 자연스러운 음성을 생성할 수 있었다. 이 코퍼스는 http://www.openslr.org/141/에서 무료로 다운로드할 수 있다.

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/.

LibriTTS-R: 복원된 다중 화자 텍스트-음성 변환 코퍼스

LibriTTS-R: A Restored Multi-Speaker Text-to-Speech Corpus

초록

Support