FeatherWave：一种具有多带线性预测的高效高保真神经声码器
声音
2020-09-04 v2 音频与语音处理
摘要
在本文中，我们提出 FeatherWave，即 WaveRNN 声码器的又一变体，其结合了多带信号处理与线性预测编码。LPCNet 是最近提出的一种神经声码器，它在 WaveRNN 架构中利用了语音信号的线性预测特性，可在单 CPU 核上以快于实时的速度生成高质量语音。然而，LPCNet 对于在线语音生成任务仍不够高效。为解决此问题，我们为 WaveRNN 声码器采用多带线性预测编码。多带方法使模型能在一步中并行生成若干语音样本。因此，它能显著提升语音合成效率。所提的 4 子带模型在语音生成时所需算力少于 1.6 GFLOPS。在我们的实验中，它可在单 CPU 上以比实时快 9 倍的速度生成 24 kHz 高保真音频，远快于 LPCNet 声码器。此外，我们的主观听测表明 FeatherWave 能生成比 LPCNet 质量更好的语音。
引用
@article{arxiv.2005.05551,
title = {FeatherWave: An efficient high-fidelity neural vocoder with multi-band linear prediction},
author = {Qiao Tian and Zewang Zhang and Heng Lu and Ling-Hui Chen and Shan Liu},
journal= {arXiv preprint arXiv:2005.05551},
year = {2020}
}
备注
Accepted by INTERSPEECH 2020