一种关注频谱断裂的后自回归 GAN 声码器
音频与语音处理
2023-02-17 v2 声音
摘要
生成对抗网络（GANs）已在实时语音合成的应用中展现出其优越性。然而，它们大多采用深度卷积层作为主干，这可能导致先前信号信息的缺失。但语音信号的生成在重构时始终需要前面的波形样本，缺乏这一点会导致生成语音中出现伪影。为解决这一矛盾，本文提出一种改进模型：一种带有自注意力层的后自回归（AR）GAN 声码器，其在 AR 循环中融合自注意力。该模块不参与推理，但可在训练时辅助生成器学习帧内时间依赖关系。此外，我们进行了消融实验以确认各部分的贡献。系统性实验表明，我们的模型在客观与主观评测性能上均取得了一致的提升。
引用
@article{arxiv.2204.06086,
title = {A Post Auto-regressive GAN Vocoder Focused on Spectrum Fracture},
author = {Zhenxing Lu and Mengnan He and Ruixiong Zhang and Caixia Gong},
journal= {arXiv preprint arXiv:2204.06086},
year = {2023}
}
备注
Experimental parts should be improved