CVC：面向非平行语音转换的对比学习方法
声音
2021-04-05 v2 音频与语音处理
摘要
基于循环一致生成对抗网络（CycleGAN）和变分自编码器（VAE）的模型近来在非平行语音转换中颇受欢迎。然而，它们常面临训练过程困难与结果不尽如人意的问题。本文中，我们提出 CVC，一种基于对比学习的对抗方法用于语音转换。与先前基于 CycleGAN 的方法相比，CVC 利用对比学习的优势，仅需高效单向 GAN 训练。在非平行一对一语音转换中，CVC 与 CycleGAN 和 VAE 相当或更优，同时有效缩短训练时间。CVC 进一步在多对一语音转换中展现出优越性能，能够实现从未见过的说话人转换。
引用
@article{arxiv.2011.00782,
title = {CVC: Contrastive Learning for Non-parallel Voice Conversion},
author = {Tingle Li and Yichen Liu and Chenxu Hu and Hang Zhao},
journal= {arXiv preprint arXiv:2011.00782},
year = {2021}
}
备注
Submitted Interspeech 2021, Project Page: https://tinglok.netlify.app/files/cvc/