LibriTTS-R: Um Corpus Restaurado de Conversão de Texto em Fala com Múltiplos Locutores
LibriTTS-R: A Restored Multi-Speaker Text-to-Speech Corpus
May 30, 2023
Autores: Yuma Koizumi, Heiga Zen, Shigeki Karita, Yifan Ding, Kohei Yatabe, Nobuyuki Morioka, Michiel Bacchiani, Yu Zhang, Wei Han, Ankur Bapna
cs.AI
Resumo
Este artigo apresenta um novo conjunto de dados de fala chamado ``LibriTTS-R'', projetado para uso em síntese de fala (TTS). Ele foi criado aplicando técnicas de restauração de fala ao corpus LibriTTS, que consiste em 585 horas de dados de fala com taxa de amostragem de 24 kHz, provenientes de 2.456 falantes, juntamente com os textos correspondentes. As amostras constituintes do LibriTTS-R são idênticas às do LibriTTS, com apenas a qualidade do som aprimorada. Resultados experimentais mostram que as amostras de referência do LibriTTS-R apresentaram uma qualidade de som significativamente melhorada em comparação com as do LibriTTS. Além disso, sistemas de TTS neural de ponta a ponta treinados com o LibriTTS-R alcançaram uma naturalidade da fala equivalente à das amostras de referência. O corpus está disponível para download gratuito em 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/.