利用逐点相对最小二乘GAN改进基于GAN的神经声码器
声音
2021-03-30 v2 人工智能
计算与语言
音频与语音处理
摘要
基于GAN的神经声码器，如Parallel WaveGAN和MelGAN，因其轻量且并行的结构而备受关注，能够实时生成高保真波形。本文受Relativistic GAN启发，在波形合成背景下引入LSGAN框架的一种新变体，称为逐点相对最小二乘GAN（Pointwise Relativistic LSGAN，PRLSGAN）。在该方法中，我们考虑真实得分分布，并将原始MSE损失与所提出的逐点相对差异损失相结合，以增加生成器欺骗判别器的难度，从而提升生成质量。此外，PRLSGAN是一个通用框架，可与任何基于GAN的神经声码器结合以增强其生成质量。实验表明，基于Parallel WaveGAN和MelGAN均有持续的性能提升，证明了我们所提出的PRLSGAN神经声码器的有效性与强泛化能力。
引用
@article{arxiv.2103.14245,
title = {Improve GAN-based Neural Vocoder using Pointwise Relativistic LeastSquare GAN},
author = {Congyi Wang and Yu Chen and Bin Wang and Yi Shi},
journal= {arXiv preprint arXiv:2103.14245},
year = {2021}
}