基于对抗权重的谱包络 CycleGAN 语音转换
音频与语音处理
2020-07-14 v2 机器学习
声音
摘要
本文针对语音转换中的 GAN 优化与稳定性问题展开研究。首先,为简化转换任务,我们提出使用谱包络作为输入。其次,我们提出两种对抗权重训练范式:广义加权 GAN 与生成器影响 GAN,二者均旨在降低生成器对判别器的影响,从而使二者在训练过程中能够更渐进、更高效地学习。在 cycleGAN 范式中施加能量约束显著提升了转换质量。在语音转换挑战 2018 数据集上进行的语音转换任务主观实验表明:第一,尽管网络复杂度显著降低,所提方法仍达到了最先进的(state-of-the-art)结果;第二,所提加权 GAN 方法优于先前提出的一种方法。
引用
@article{arxiv.1910.12614,
title = {CycleGAN Voice Conversion of Spectral Envelopes using Adversarial Weights},
author = {Rafael Ferro and Nicolas Obin and Axel Roebel},
journal= {arXiv preprint arXiv:1910.12614},
year = {2020}
}
备注
5 pages, 1 figure