端到端 LPCNet：一种具有全可微 LPC 估计的神经声码器
音频与语音处理
2022-03-31 v2 声音
摘要
神经声码器近期已展示出高质量语音合成能力，但通常要求较高的计算复杂度。LPCNet 被提出作为一种通过利用线性预测（LP）辅助自回归模型来降低神经合成复杂度的方法。在推理时，LPCNet 依赖从输入声学特征显式计算 LP 系数。这使得基于 LPCNet 的系统设计更为复杂，同时增加了输入特征必须表示干净语音谱的约束。我们提出了一种端到端版本的 LPCNet，通过在帧率网络中学习从输入特征推断 LP 系数来解除这些限制。结果表明，所提出的端到端方法达到或超越原始 LPCNet 模型的质量，但无需显式 LP 分析。我们开源的端到端模型仍受益于 LPCNet 的低复杂度，同时允许任意类型的调节特征。
引用
@article{arxiv.2202.11301,
title = {End-to-end LPCNet: A Neural Vocoder With Fully-Differentiable LPC Estimation},
author = {Krishna Subramani and Jean-Marc Valin and Umut Isik and Paris Smaragdis and Arvindh Krishnaswamy},
journal= {arXiv preprint arXiv:2202.11301},
year = {2022}
}
备注
Submitted to INTERSPEECH 2022