All About Speech下載 - All About Speech

All About Speech

Ai源碼

1.0.0

下載

關於言語

該存儲庫組織論文，學習材料和編碼，以理解語音。這裡還有另一個用於機器/深度學習的存儲庫。

到達：

組織星星
添加更多論文
- 要閱讀的論文：
  1. 語音= t：TTS及以後的傳感器

TTS

TTS
- DC-TTS [[Paper]] [Pytorch] [TensorFlow]
- 微軟的Lightspeech [[Paper]] [代碼]
- 語音形式[[Paper]] [代碼]
- 非競爭性塔科克斯[Paper] [Pytorch]
- 平行TACOTRON 2 [[PAPER]] [代碼]
- FCL-TACO2：快速，可控和輕巧的tacotron2 [[Paper]] [代碼]
- 變壓器TTS：具有變壓器網絡的神經語音綜合[[Paper]] [代碼]
- vits：端到端文本到語音的對抗性學習條件變異自動編碼器[[paper]] [代碼]
- 改革者-TT（改革器對TTS的改編）[代碼]
基於及時的TTS（請參閱[鏈接]）
語音轉換 /語音克隆 /揚聲器嵌入
- Stargan-VC：通過星生成對抗網絡[[PAPER]] [代碼]的非並行多對面的語音轉換
- 神經語音克隆與很少的音頻樣本（Baidu）[[Paper]] [代碼]
- 彙編VC：通過組裝現代語音綜合技術[[Paper]] [代碼]通過組裝現實的語音轉換
- UNET-TTS：以單發語音克隆[Paper] [Code]改進看不見的揚聲器和样式轉移
- fragmentVC：通過端到端提取並融合精細粒度的語音片段的任何對任何對任何語音轉換，注意[[paper]] [代碼]
- 矢量QuantizedCPC：矢量定量的對比度預測編碼，用於聲學單元發現和語音轉換[[[Paper]] [代碼]
- COTATRON：轉錄引導的語音編碼器，用於沒有並聯數據的任何對角度轉換[[[Paper]] [代碼]
- 再次VC：使用激活指導和自適應實例歸一化[[Paper]] [代碼]的單發語音轉換
- AUTOVC：零擊語音樣式轉移僅使用自動編碼器損失[[Paper]] [代碼]
- sc-glowtts：有效的零擊多演講者文本對語音模型[代碼]
- 深揚聲器：端到端的神經揚聲器嵌入系統[[Paper]] [代碼]
- VQMIVC：一聲（任何對任何）語音轉換[[Paper]] [代碼]
風格（情感，韻律）
- Smart-TTS單個情感TT [代碼]
- 跨揚聲器的情感轉移[[Paper]] [代碼]
- AutoPST：全局節奏樣式轉移無文本抄錄[[Paper]] [代碼]
- 通過非平行訓練數據[[Paper]] [代碼]轉換頻譜和韻律以進行情感語音轉換
- 具有對抗週期一致性的多參考神經TTS樣式[[Paper]] [代碼]
- 在端到端語音綜合（Tacotron-vae）中學習潛在的樣式控制和轉移的潛在表示[[Paper]] [代碼]
- 時域神經音頻風格轉移（NIPS 2017）[[Paper]] [代碼]
- meta-stylespeech和stylespeech [[paper]] [代碼]
- 基於揚聲器conditino層歸一化和文本語音的半監督訓練[[paper]] [code]
跨語言
- 帶有跨語性語言模型的端到端代碼轉換TTS
  - 普通話和英語
  - 跨語性和多演講者
  - 基線：“僅使用單語言數據構建混合語言神經TTS系統”
- 僅使用單語言數據構建混合語言神經TTS系統
- 轉移學習，風格控制和揚聲器重建損失的零擊多語言多語言揚聲器文本到低資源語言的語音
  - 有很多很好的參考
- 使用多語言和單語VQ-VAE [PAPER] [代碼]探索分離
音樂相關
- 在歌曲中學習美麗：神經歌唱的語音美容器（ACL 2022）[[Paper]] [代碼]
- 唱歌的語音（Interspeech 2020）[[Paper]] [代碼]
- DIFFSINGER：通過淺擴散機制（AAAI 2022）[[Paper]] [代碼]唱歌聲音綜合
- 通用音樂翻譯網絡（ICLR 2019）
- Jukebox：音樂的生成模型（OpenAi）[Paper] [代碼]
工具包
- IMS Toucan語音合成工具包[Paper] [代碼]
- crepe音調跟踪器[代碼]
- 語音腦 - 促進語音研究的有用工具[代碼]
聲碼器
注意力
- 當地註意[代碼]