DiffSVC：一种用于歌声转换的扩散概率模型
音频与语音处理
2021-05-31 v1 计算与语言
声音
摘要
歌声转换(SVC)是一项有前景的技术，它通过赋予计算机生成高保真且富有表现力的歌声的能力，丰富了人机交互的方式。本文中，我们提出DiffSVC，一种基于去噪扩散概率模型的SVC系统。DiffSVC使用音素后验图(PPGs)作为内容特征。DiffSVC中训练了一个去噪模块，该模块以扩散/前向过程产生的被破坏梅尔频谱图及其对应步数信息作为输入，预测所加入的高斯噪声。我们使用PPGs、基频特征与响度特征作为辅助输入以协助去噪过程。实验表明，DiffSVC在自然度与音色相似度方面相较当前最先进的SVC方法能取得更优的转换性能。
引用
@article{arxiv.2105.13871,
title = {DiffSVC: A Diffusion Probabilistic Model for Singing Voice Conversion},
author = {Songxiang Liu and Yuewen Cao and Dan Su and Helen Meng},
journal= {arXiv preprint arXiv:2105.13871},
year = {2021}
}
备注
Preprint. 8 pages, 2 figures and 1 table