卷积自编码器瓶颈宽度对基于StarGAN的演唱技巧转换的影响
音频与语音处理
2023-08-22 v1 机器学习
声音
摘要
演唱技巧转换（STC）是指在保持原歌手身份、旋律和语言成分不变的前提下，将一种发声技巧转换为另一种的任务。以往的STC研究以及广义的歌声转换研究均利用卷积自编码器（CAEs）进行转换，但CAE的瓶颈宽度如何影响合成质量尚未得到充分评估。为此，我们构建了一个基于GAN的多域STC系统，其利用了WORLD声码器表示与CAE架构。我们改变CAE的瓶颈宽度，并对转换结果进行主观评价。该模型在一个包含四位歌手和四种演唱技巧（胸声、假声、嘶吼声和哨声）的普通话数据集上训练。结果表明，较宽的瓶颈对应更好的发音清晰度，但不一定带来更高的目标技巧相似度。在四种技巧中，我们还发现哨声是最易转换的目标，而其他三种技巧作为源时比哨声产生更具说服力的转换结果。
引用
@article{arxiv.2308.10021,
title = {Effects of Convolutional Autoencoder Bottleneck Width on StarGAN-based Singing Technique Conversion},
author = {Tung-Cheng Su and Yung-Chuan Chang and Yi-Wen Liu},
journal= {arXiv preprint arXiv:2308.10021},
year = {2023}
}
备注
The original edition of this paper will be published in the CMMR 2023 Proceedings. This ArXiv publication is a copy