基于神经声码器的鸟鸣重合成初步研究
音频与语音处理
2022-09-22 v1 声音
信号处理
摘要
现代语音合成使用神经声码器直接对原始波形采样进行建模。这种增强的通用性将声码器的应用范围从语音扩展到其他领域，如音乐。我们探讨生物声学中另一个有趣的领域。我们提供使用传统（WORLD）与两种神经（WaveNet自编码器、parallel WaveGAN）声码器对鸟鸣进行重合成的初步对比分析与实验。我们的主观结果表明，在物种辨别方面（ABX测试）三种声码器无差异。尽管如此，WORLD声码器样本在保持鸟类特征方面评分更高（MOS测试）。所有声码器均面临音高与浊音方面的问题。我们的结果指出了处理低质量野生动物音频数据的一些挑战。
引用
@article{arxiv.2209.10479,
title = {An Initial study on Birdsong Re-synthesis Using Neural Vocoders},
author = {Rhythm Bhatia and Tomi H. Kinnunen},
journal= {arXiv preprint arXiv:2209.10479},
year = {2022}
}
备注
To appear in 24th International Conference on Speech and Computer (SPECOM), GURUGRAM, INDIA