利用 X-向量与神经波形模型探究 F0 轨迹对说话人匿名化的重要性
音频与语音处理
2021-10-14 v1
摘要
用于说话人匿名化的语音转换是语音处理研究中一个新兴领域。许多最先进的方法基于音素后验图（PPG）、输入信号基频（F0）与经修改的 X-向量的重合成。我们的研究聚焦于 F0 在说话人匿名化中的作用，这是一个研究不足的方向。利用 VoicePrivacy Challenge 2020 框架及其数据集，我们开发并评估了重合成前的八种低复杂度 F0 修改方法。我们发现修改 F0 可在词错误率轻微退化的前提下，将说话人匿名化提升多达 8%。
引用
@article{arxiv.2110.06887,
title = {Exploring the Importance of F0 Trajectories for Speaker Anonymization using X-vectors and Neural Waveform Models},
author = {Ünal Ege Gaznepoglu and Nils Peters},
journal= {arXiv preprint arXiv:2110.06887},
year = {2021}
}
备注
6 figures, 2 tables, accepted to Workshop on Machine Learning in Speech and Language Processing 2021 Example audio files and the poster available https://www.audiolabs-erlangen.de/fau/ professor/peters/publications/MLSLP2021