arXiv · Audio and Speech· Qibing Bai, Yuhan Du, Tom Ko, Shuai Wang, Yannan Wang, Haizhou Li·· 16 小时前AI 评分24
DLM-AN：基于离散扩散的可控口音归一化
Controllable Accent Normalization via Discrete Diffusion
AI 导读
DLM-AN 是一个基于自监督语音 token 上掩码离散扩散的可控口音归一化系统，通过 Common Token Predictor 识别并复用可能编码母语发音的源 token 来初始化反向扩散，复用越多保留的原口音越强。
来源：arXiv · Audio and Speech · arxiv.org