Adaptación del sistema de conversión de texto a voz extremo a extremo tacotron a otras lenguas

Abstract

La síntesis de voz ha alcanzado unos niveles de calidad muy elevados en materia de inteligibilidad y naturalidad. Es una herramienta de comunicación muy útil y puede utilizarse para sustituir la voz de personas con dificultades de habla. Los enfoques basados en aprendizaje profundo han mejorado mucho la calidad de las voces sintéticas, pero requieren de grandes bases de datos de habla para su funcionamiento. La gran mayoría de proyectos que pueden encontrarse en la red son realizados para bases de datos en inglés. El presente proyecto emplea el sistema “Text-to-Speech” Tacotron-2 para sintetizar voces en otras lenguas, preservando las características de las mismas.