LibriTTS-R: Восстановленный многоговорящий корпус для синтеза речи
LibriTTS-R: A Restored Multi-Speaker Text-to-Speech Corpus
May 30, 2023
Авторы: Yuma Koizumi, Heiga Zen, Shigeki Karita, Yifan Ding, Kohei Yatabe, Nobuyuki Morioka, Michiel Bacchiani, Yu Zhang, Wei Han, Ankur Bapna
cs.AI
Аннотация
В данной статье представлен новый речевой набор данных под названием ``LibriTTS-R'', предназначенный для использования в задачах синтеза речи (Text-to-Speech, TTS). Он создан путем применения методов восстановления речи к корпусу LibriTTS, который содержит 585 часов речевых данных с частотой дискретизации 24 кГц от 2 456 дикторов и соответствующие тексты. Составные образцы LibriTTS-R идентичны таковым в LibriTTS, с улучшенным качеством звука. Экспериментальные результаты показывают, что эталонные образцы LibriTTS-R демонстрируют значительно более высокое качество звука по сравнению с образцами из LibriTTS. Кроме того, нейронные end-to-end модели TTS, обученные на LibriTTS-R, достигают уровня естественности речи, сопоставимого с эталонными образцами. Корпус доступен для свободного скачивания по адресу 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/.