Almost Unsupervised Text to Speech and Automatic Speech Recognition

Abstract: 無監督方法，只需要利用幾百對文本—語音對和額外的無標籤的數據，提供給TTS和ASR components: 1.a denosising auto-encoder 2. 雙機制訓練；TTS是把text y轉成語音x，ASR把利用x和y進行訓練，反之亦然 3. 雙向序列建模，主要解決長語音序列和文本序列在訓練過程中出現的錯誤傳播問題 4.一個unified model 包含 TT

>>阅读原文<<