Bunched LPCNet：面向低成本神经文本转语音系统的声码器
音频与语音处理
2020-08-12 v1 机器学习
声音
摘要
LPCNet 是一种高效声码器，其结合线性预测与深度神经网络模块以保持较低计算复杂度。本文提出两种进一步降低其复杂度的技术，旨在构建基于 LPCNet 声码器的低成本神经文本转语音（TTS）系统。这些技术为：1）样本捆绑（sample-bunching），使 LPCNet 每次推理生成多于一个音频样本；2）位捆绑（bit-bunching），减少 LPCNet 最后一层中的计算量。采用所提捆绑技术后，LPCNet 与深度卷积 TTS（DCTTS）声学模型结合，在移动设备上运行时相较基线实现了 2.19 倍加速，且 TTS 平均意见得分（MOS）下降小于 0.1。
引用
@article{arxiv.2008.04574,
title = {Bunched LPCNet : Vocoder for Low-cost Neural Text-To-Speech Systems},
author = {Ravichander Vipperla and Sangjun Park and Kihyun Choo and Samin Ishtiaq and Kyoungbo Min and Sourav Bhattacharya and Abhinav Mehrotra and Alberto Gil C. P. Ramos and Nicholas D. Lane},
journal= {arXiv preprint arXiv:2008.04574},
year = {2020}
}
备注
Interspeech 2020