基于循环变分自编码器与 Parallel WaveGAN 的 Voice Conversion Challenge 2020 基线系统
声音
2020-10-12 v1 计算与语言
音频与语音处理
摘要
本文介绍 Voice Conversion Challenge (VCC) 2020 的基线系统，其采用循环变分自编码器（CycleVAE）与 Parallel WaveGAN (PWG)，即 CycleVAEPWG。CycleVAE 是一种非并行的基于 VAE 的语音转换方法，利用转换后的声学特征在优化中考虑循环重构谱。另一方面，PWG 是一种基于生成对抗网络的非自回归神经声码器，用于高质量且快速的波形生成。实际上，CycleVAEPWG 系统可使用 VCC 2020 数据集针对任务 1（同语言）与任务 2（跨语言）以统一模型直接开发，我们的开源实现见 https://github.com/bigpon/vcc20_baseline_cyclevae。VCC 2020 的结果表明 CycleVAEPWG 基线取得如下成绩：1) 任务 1 自然度平均意见分（MOS）2.87、说话人相似度百分比（Sim）75.37%；2) 任务 2 MOS 2.56、Sim 56.46%，显示自然度约为或接近平均分，而说话人相似度高于平均分。
引用
@article{arxiv.2010.04429,
title = {Baseline System of Voice Conversion Challenge 2020 with Cyclic Variational Autoencoder and Parallel WaveGAN},
author = {Patrick Lumban Tobing and Yi-Chiao Wu and Tomoki Toda},
journal= {arXiv preprint arXiv:2010.04429},
year = {2020}
}