利用对抗声码器加速 TTS 合成
声音
2019-07-29 v2 机器学习
音频与语音处理
摘要
最近在文本转语音（TTS）合成的方法中，采用神经网络策略将感知信息频谱图表示直接声码化为可听波形。这种声码化过程在现代 TTS 流水线中造成了计算瓶颈。我们提出了一种替代方法，利用生成对抗网络（GANs）学习从感知信息频谱图到简单幅度频谱图的映射，后者可以通过启发式方法进行声码化。通过一项用户研究，我们表明我们的方法显著优于朴素声码化策略，同时比最先进 TTS 系统中使用的神经网络声码器快数百倍。我们还表明，我们的方法可用于在单个语音词的无监督合成中取得最先进的结果。
引用
@article{arxiv.1904.07944,
title = {Expediting TTS Synthesis with Adversarial Vocoding},
author = {Paarth Neekhara and Chris Donahue and Miller Puckette and Shlomo Dubnov and Julian McAuley},
journal= {arXiv preprint arXiv:1904.07944},
year = {2019}
}
备注
Published as a conference paper at INTERSPEECH 2019