FlowVocoder：一种基于归一化流的小 footprint 神经声码器用于语音合成
声音
2022-03-28 v2 机器学习
音频与语音处理
摘要
近来，自回归神经声码器在生成高保真语音方面表现出卓越性能，并能够实时合成语音。然而，诸如WaveFlow之类的自回归神经声码器虽能从梅尔频谱建模波形信号，其参数量却较大，难以部署在边缘设备上。尽管参数量小的NanoFlow是一种最先进的自回归神经声码器，但其性能略低于WaveFlow。因此，我们提出了一种称为FlowVocoder的新型自回归神经声码器，其内存占用小且能够实时生成高保真音频。我们提出的模型通过利用累积分布函数（CDF）的混合进行二分变换，改进了流块的密度估计。因此，该模型能够对波形信号建模，同时其内存占用远小于WaveFlow。如实验所示，FlowVocoder在主观和客观评测方面均与基线方法取得有竞争力的结果，并且更适用于实时文本到语音应用。
引用
@article{arxiv.2109.13675,
title = {FlowVocoder: A small Footprint Neural Vocoder based Normalizing flow for Speech Synthesis},
author = {Manh Luong and Viet Anh Tran},
journal= {arXiv preprint arXiv:2109.13675},
year = {2022}
}