ZeroSpeech-TTS-without-T

无需文本标注，直接从语音学习并合成语音，攻克低资源TTS难题。

这是一个基于PyTorch的ZeroSpeech 2019挑战赛实现，旨在解决无文本标注的语音合成（TTS-without-T）问题。传统TTS需要文本转录作为中间监督，而该项目探索直接从原始语音学习语音表征并重建语音，绕开文本标注。核心能力包括：使用对抗学习（GAN）和自动编码器框架，结合ASR（自动语音识别）作为辅助任务，学习离散或连续的语音单元，并利用这些单元进行语音重建。项目提供了完整的训练和评估流程，支持ZeroSpeech 2019基准测试，适合研究低资源语音合成和自监督语音表征学习。它解决了低资源语言中文本标注昂贵、难以获取的痛点，为完全无监督的语音合成提供了可行方案。代码结构清晰，包含数据预处理、模型定义、训练脚本和评估工具，但项目处于早期阶段，文档和社区支持有限。