Aligner

文本到语音对齐项目

项目概述

该项目探索并实施了各种文本到语音（TTS）对准技术，旨在提高TTS系统的质量和效率。我们的工作涵盖了多种方法，每种方法都解决了对齐挑战的不同方面。

项目结构

该存储库分为三个主要分支，每个分支都代表了TTS对齐的独特方法：

1. MoBoAligner

   • 状态：完成，仅参考
   • 描述：“主持人：具有单调边界搜索的非自动回忆TTS的神经对准模型”的非官方实施
   • 目的：学习和基线比较
   • 限制：由于最大持续时间限制，不适合大规模应用

2. RoMoAligner

   • 状态：开发停止，仅参考
   • 描述：实验改进尝试将粗糙对齐与主体构符相结合
   • 目的：探索TTS对齐中的自我监管的学习技术
   • 限制：绩效提高有限，没有达到期望

3. OTA ？当前重点

   • 状态：积极计划和早期发展
   • 描述：改编“一个tts对齐来统治它们全部”（OTA）方法，用于隐式停顿建模
   • 目标：开发解决隐性暂停的解决方案，而无需依赖明确的沉默令牌
   • 进度：概念发展和计划阶段

当前重点

我们的主要重点是OTA分支，我们正在探索如何适应OTA方法改善对齐方式的方法，尤其是在处理语音中的隐式停顿时。

如何使用此存储库

1. 查看每个分支以获取特定的实施详细信息和进度。
2. 有关设置和使用说明，请参阅各个分支机构。
3. 有关最新发展，请重点关注OTA分支。

贡献

我们欢迎对我们的任何分支机构的贡献。如果您有兴趣贡献：

1. 检查相关分支机构中的问题是否可以提供帮助。
2. 分叉存储库，并通过改进创建拉动请求。
3. 对于重大更改，请先开设一个问题，以讨论您想更改的内容。

路线图

• 实施主持人（非官方实施）
• 开发和测试romoaligner
• 适应并实施OTA进行隐式暂停建模
• 在所有方法中进行比较研究
• 完善并优化最有前途的方法

致谢

• 原始主持人纸
• OTA纸

我们感谢TTS和语音处理社区在推进这项研究方面的支持和兴趣。