多speaker韵律预测？

[zjwang21]

如题，作者有没有多speaker场景下的韵律预测方法，尝试加过speaker信息效果一般

[Executedone]

之前试过多speaker场景下直接加入训练好的韵律embedding训练，感觉效果还可以。用的AISHELL3的数据，比不加韵律embedding在节奏变化方面要好不少

[panxin801]

您好，我现在也在思考这个问题。在multi-speaker场景下，您是用多个single speaker bert prosody model 得到每个人的prosody embedding ，还是您使用了一个多人的bert prosody 模型？ 另外是否可以训练一个多人的bert prosody model呢，我用每个speaker 的embedding 当做一个额外的输入？ 期待您的回复，谢谢您