ET-GAN：基于循环一致生成对抗网络的跨语言情感迁移
声音
2020-03-06 v3 计算与语言
音频与语音处理
摘要
尽管从文本合成情感语音已取得显著进展，但为已有语音片段赋予情感信息仍具挑战。以往方法主要依赖平行数据，且鲜有研究探讨单一模型跨不同语言迁移情感信息的泛化能力。为解决此类问题，我们提出一种名为 ET-GAN 的情感迁移系统，用于在无需平行训练样本的情况下学习独立于语言的情感间迁移。基于循环一致生成对抗网络，我们的方法通过简洁的损失设计确保仅跨语音迁移情感信息。此外，我们引入一种利用迁移学习跨不同语言迁移情感信息的方法。实验结果表明，无需对齐语音对，我们的方法即可为任意给定情感类别高效生成高质量情感语音。
引用
@article{arxiv.1905.11173,
title = {ET-GAN: Cross-Language Emotion Transfer Based on Cycle-Consistent Generative Adversarial Networks},
author = {Xiaoqi Jia and Jianwei Tai and Hang Zhou and Yakai Li and Weijuan Zhang and Haichao Du and Qingjia Huang},
journal= {arXiv preprint arXiv:1905.11173},
year = {2020}
}
备注
Accepted by ECAI 2020, 8 pages, 4 figures