当前位置: 陈皮网 -> 陈皮快讯-> 字节跳动发布中文歌声合成模型,可达人类歌唱水平的80%以上

字节跳动发布中文歌声合成模型,可达人类歌唱水平的80%以上

陈皮快讯 2020-04-26 16:10:03

近日,字节跳动人工智能实验室发表了一篇关于中文歌声合成系统的论文——《 A Chinese Singing Voice Synthesis System Using Duration Allocated Encoder-Decoder Acoustic Models and WaveRNN Vocoders》。论文中,研究者提出了一种基于持续时间分配的的类似Tacotron声学模型和WaveRNN神经网络声码器的中文歌声合成(SVS)系统——ByteSing。与传统的SVS模型不同,ByteSing采用类似Tacotron的编码器-解码器结构作为声学模型,分别以CBHG模型和递归神经网络(RNNs)作为编码器和解码器。

同时,利用辅助音素持续时间预测模型来扩展输入序列,可以增强模型的控制能力、稳定性和节奏预测精度。WaveRNN也被用作神经网络声码器,以进一步提高合成歌曲的音质。

研究表明,ByteSing能够达到人类歌唱水平的80%以上,这也是字节跳动研究者首次尝试的歌声合成任务。(钛媒体)

免责声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢。

相关资讯更多