利用全局风格标记改进健康到病理语音转换中的严重程度保持
声音
2023-10-05 v1 音频与语音处理
摘要
在健康到病理语音转换(H2P-VC)中，健康语音被转换为病理语音，同时保持说话人身份。本文改进了先前的两阶段 H2P-VC 方法，其中(1)首先生成具有适当严重程度的语音，(2)然后转换语音的说话人身份同时保持语音的严重程度。具体而言，我们通过使用音素后验图(PPG)和全局风格标记(GST)对(2)进行改进。此外，我们提出了一个新数据集，包含具有相同身份的病理性与健康说话人的平行录音，从而允许更精确的评估。专家听者的听音测试表明，该框架在建模目标说话人声音的同时保持了源样本的严重程度。我们还表明：(a)病理会影响 x-vectors，但并非所有说话人信息都丢失；(b)仅基于严重程度标签选择源说话人是不充分的。
引用
@article{arxiv.2310.02570,
title = {Improving severity preservation of healthy-to-pathological voice conversion with global style tokens},
author = {Bence Mark Halpern and Wen-Chin Huang and Lester Phillip Violeta and R. J. J. H. van Son and Tomoki Toda},
journal= {arXiv preprint arXiv:2310.02570},
year = {2023}
}
备注
7 pages, 3 figures, 5 tables. Accepted to IEEE Automatic Speech Recognition and Understanding Workshop 2023