満州語TTS：絶滅危惧言語のための高品質音声合成

この論文は、データ不足と複雑な膠着語という課題に直面している絶滅危惧言語である満州語の音声合成に取り組んでいます。提案されたManchuTTSモデルは、階層的なテキスト表現、クロスモーダルアテンション、フローマッチングTransformer、階層的対照損失などの革新的な技術を導入して、これらの課題を克服しています。専用データセットの作成とデータ拡張も、モデルの有効性に貢献しています。高いMOSスコアと、膠着語の発音と韻律の自然さの大幅な改善を含む結果は、低リソース音声合成と言語保存の分野へのこの論文の重要な貢献を示しています。