Vāgdhenu: A Sanskrit Chanting TTS System
a day ago
- #Sanskrit TTS
- #chant tutor
- #meter detection
- 开发了一个支持vṛtta（韵律）感知的梵语诗节转唱诵文本转语音系统，用户可粘贴任何印度文字书写的诗节进行自动韵律检测。
- 首次唱诵需要10-60秒进行模型预热；提供备用演示版本，并支持六种vṛtta韵律的渲染，包括已部署版本中的诗节示例。
- 该系统为一款免费应用提供支持，应用包含完整的《圣典博伽瓦谭》同步音频、卡拉OK高亮显示、离线功能及10种印度文字的搜索功能。
- 配套工具Vāgdhenu作为梵语唱诵导师，提供参考唱诵和音节评分，帮助用户提升唱诵技巧。
- Vāgdhenu采用基于流匹配的TTS骨干网络，经单人梵语唱诵语料库（约5小时）重新训练，具备语音转向和微调神经声码器。
- 通过卡纳达文正字法实现文字感知前端，处理visarga连音、送气音对比、不同咝音、卷舌音系列，以及半参考规则下的韵律检测。
- 获得专家平均意见分数约4.6分，能正确渲染密集合字和卷舌送气音，这些是早期架构无法处理的难点。
- 生成了大规模语料库：《摩诃婆罗多精要判别论》（32章，5,183诗节）和《圣典博伽瓦谭》（12卷，约18,000诗节）。