基于最优传输的声音信号插值
信号处理
2025-04-23 v2 声音
音频与语音处理
摘要
我们提出一种新方法，用于生成在给定源声与目标声之间进行插值的人工声音信号。该方法依赖于计算源声与目标声声谱图的 Wasserstein 球面中心，然后进行相位重构与逆变换。与先前工作不同，本新方法从全局角度考虑声谱图，而非按时间帧进行插值。另一贡献是赋予运输成本矩阵特定结构，以禁止沿时间轴进行远程能量位移，并通过利用不平衡传输框架实现最优传输。该构成的成本矩阵从声学角度具有意义，同时可降低计算负担。以合成音乐音符和真实环境声为例，结果展示了我们新方法的潜力。
引用
@article{arxiv.2502.15430,
title = {Audio signal interpolation using optimal transportation of spectrograms},
author = {David Valdivia and Marien Renaud and Elsa Cazelles and Cédric Févotte},
journal= {arXiv preprint arXiv:2502.15430},
year = {2025}
}