基于DNN使用瓶颈特征的跨语言语音转换
音频与语音处理
2019-11-12 v2 机器学习
声音
摘要
跨语言语音转换(CLVC)是一项相当具有挑战性的任务,因为源说话人与目标说话人讲不同语言。本文提出一种基于瓶颈特征和深度神经网络(DNN)的CLVC框架。在所提方法中,从深度自编码器(DAE)提取的瓶颈特征用于表示来自不同语言语音信号的说话人无关特征。训练一个DNN模型以学习瓶颈特征与目标说话人对应谱特征之间的映射。所提方法能捕捉目标说话人的说话人特定特征,因此在训练时不需要源说话人的语音数据。使用三种印度语言(泰卢固语、泰米尔语和马拉雅拉姆语)的数据评估了所提方法的性能。实验结果表明,所提方法优于基于高斯混合模型(GMM)的基线CLVC方法。
引用
@article{arxiv.1909.03974,
title = {DNN-based cross-lingual voice conversion using Bottleneck Features},
author = {M Kiran Reddy and K Sreenivasa Rao},
journal= {arXiv preprint arXiv:1909.03974},
year = {2019}
}