Aligner

文本到語音對齊項目

項目概述

該項目探索並實施了各種文本到語音（TTS）對準技術，旨在提高TTS系統的質量和效率。我們的工作涵蓋了多種方法，每種方法都解決了對齊挑戰的不同方面。

項目結構

該存儲庫分為三個主要分支，每個分支都代表了TTS對齊的獨特方法：

1. MoBoAligner

   • 狀態：完成，僅參考
   • 描述：“主持人：具有單調邊界搜索的非自動回憶TTS的神經對準模型”的非官方實施
   • 目的：學習和基線比較
   • 限制：由於最大持續時間限制，不適合大規模應用

2. RoMoAligner

   • 狀態：開發停止，僅參考
   • 描述：實驗改進嘗試將粗糙對齊與主體構符相結合
   • 目的：探索TTS對齊中的自我監管的學習技術
   • 限制：績效提高有限，沒有達到期望

3. OTA ？當前重點

   • 狀態：積極計劃和早期發展
   • 描述：改編“一個tts對齊來統治它們全部”（OTA）方法，用於隱式停頓建模
   • 目標：開發解決隱性暫停的解決方案，而無需依賴明確的沉默令牌
   • 進度：概念發展和計劃階段

當前重點

我們的主要重點是OTA分支，我們正在探索如何適應OTA方法改善對齊方式的方法，尤其是在處理語音中的隱式停頓時。

如何使用此存儲庫

1. 查看每個分支以獲取特定的實施詳細信息和進度。
2. 有關設置和使用說明，請參閱各個分支機構。
3. 有關最新發展，請重點關注OTA分支。

貢獻

我們歡迎對我們的任何分支機構的貢獻。如果您有興趣貢獻：

1. 檢查相關分支機構中的問題是否可以提供幫助。
2. 分叉存儲庫，並通過改進創建拉動請求。
3. 對於重大更改，請先開設一個問題，以討論您想更改的內容。

路線圖

• 實施主持人（非官方實施）
• 開發和測試romoaligner
• 適應並實施OTA進行隱式暫停建模
• 在所有方法中進行比較研究
• 完善並優化最有前途的方法

致謝

• 原始主持人紙
• OTA紙

我們感謝TTS和語音處理社區在推進這項研究方面的支持和興趣。