调节自编码器潜空间以实现实时音色插值与原型合成
音频与语音处理
2020-01-31 v1 神经与进化计算
声音
摘要
我们比较了标准自编码器拓扑结构在音色生成上的性能。我们展示了自编码器瓶颈中使用的不同激活函数如何分布训练语料的嵌入。我们表明，与泄漏线性整流单元激活相比，瓶颈中使用sigmoid激活产生了更受限且均匀分布的嵌入。我们提出了一种独热编码的色度特征向量，用于输入增强和潜空间调节。我们衡量了这些网络的性能，并刻画了使用该色度调节向量所产生的潜嵌入。概述并分享了一种开源的Python实时音色合成算法。
引用
@article{arxiv.2001.11296,
title = {Conditioning Autoencoder Latent Spaces for Real-Time Timbre Interpolation and Synthesis},
author = {Joseph T Colonel and Sam Keene},
journal= {arXiv preprint arXiv:2001.11296},
year = {2020}
}