CycleTransGAN-EVC：一种基于 CycleGAN 并引入 Transformer 的情感语音转换模型
声音
2021-12-01 v1 机器学习
音频与语音处理
摘要
在本研究中，我们通过扩大模型的感受野来探索 Transformer 捕捉帧间内部关系的能力。具体而言，我们提出了一种基于 CycleGAN 并引入 Transformer 的模型，并研究其在情感语音转换任务中的能力。在训练过程中，我们采用课程学习逐步增加帧长，使模型能够从短片段看到整段语音。所提方法在日本情感语音数据集上进行了评估，并通过客观与主观评价与若干基线（ACVAE、CycleGAN）进行了比较。结果表明，我们提出的模型能够以更高的情感强度与质量实现情感转换。
引用
@article{arxiv.2111.15159,
title = {CycleTransGAN-EVC: A CycleGAN-based Emotional Voice Conversion Model with Transformer},
author = {Changzeng Fu and Chaoran Liu and Carlos Toshinori Ishi and Hiroshi Ishiguro},
journal= {arXiv preprint arXiv:2111.15159},
year = {2021}
}