e3 vits

e3-vits

github頁面可用樣本！ ！ ！

標題： E3-Vits：具有跨語言風格轉移的情感端到端TT（紙鏈接）

摘要：由於以前的情緒TTS模型基於兩階段的管道或其他標籤，因此它們的訓練過程很複雜，需要高標籤成本。為了解決這個問題，本文介紹了E3-Vits，這是一種端到端的情感TTS模型，可解決現有模型的局限性。 E3-Vits綜合了多演講者條件的高質量演講，支持參考語音和基於文本描述的情感語音綜合，並通過脫節數據集啟用跨語言的情感轉移。為了實施E3-VIT，我們提出了批處理樣式的擾動，該樣式的擾動生成了具有不成對情緒的音頻樣本，以提高跨語言的情感轉移的質量。結果表明，E3-Vits在自然性，說話者和情感相似性和推理速度方面優於基線模型。