FA-GAN：无伪影且相位感知的高保真基于 GAN 的声码器
音频与语音处理
2024-07-08 v1
摘要
基于生成对抗网络（GAN）的声码器因其高质量和快速推理速度在语音合成中受到广泛关注。然而，目前仍存在许多明显的频谱伪影，导致合成语音质量下降。在本工作中，我们采用了一种新颖的基于 GAN 的声码器，旨在实现低伪影和高保真，称为 FA-GAN。为了抑制由高频分量中非理想上采样层引起的混叠伪影，我们在生成器中引入了抗混叠孪生反卷积模块。为了减轻模糊伪影并丰富频谱细节的重建，我们提出了一种新颖的细粒度多分辨率实部与虚部损失，以辅助相位信息的建模。实验结果表明，FA-GAN 在提升音频质量和减轻频谱伪影方面优于所比较的方法，并且在应用于未见过的说话人场景时表现出优越的性能。
引用
@article{arxiv.2407.04575,
title = {FA-GAN: Artifacts-free and Phase-aware High-fidelity GAN-based Vocoder},
author = {Rubing Shen and Yanzhen Ren and Zongkun Sun},
journal= {arXiv preprint arXiv:2407.04575},
year = {2024}
}