AnCoGen：基于掩码自编码器的语音分析、控制与生成
声音
2025-01-10 v1 人工智能
音频与语音处理
摘要
本文介绍AnCoGen，这是一种新型方法，利用掩码自编码器统一语音信号的分析、控制和生成。AnCoGen可用于语音分析，通过估计关键属性（如说话者身份、音高、内容、音量、信噪比和清晰度指数）进行分析。此外，它可以从这些属性生成语音，并允许通过修改这些属性来精确控制合成语音。广泛的实验表明，AnCoGen在语音分析-重建、音高估计、音高修改和语音增强等方面效果显著。
引用
@article{arxiv.2501.05332,
title = {AnCoGen: Analysis, Control and Generation of Speech with a Masked Autoencoder},
author = {Samir Sadok and Simon Leglaive and Laurent Girin and Gaël Richard and Xavier Alameda-Pineda},
journal= {arXiv preprint arXiv:2501.05332},
year = {2025}
}
备注
5 pages, https://samsad35.github.io/site-ancogen