基于条件循环一致对抗网络的多对多语音转换
声音
2020-02-18 v1 机器学习
音频与语音处理
摘要
语音转换（VC）指在不改变语句语言内容的前提下转换其说话人特征。许多语音转换工作需要有平行训练数据，而获取此类数据极为昂贵。近来，无需平行训练数据的循环一致对抗网络（CycleGAN）已被应用于语音转换，展现出最先进的性能。然而，基于 CycleGAN 的语音转换仅能用于一对说话人，即两说话人之间的一对一语音转换。本文通过对网络以说话人为条件进行扩展。所提方法因而可使用单一生成对抗网络（GAN）在多个说话人之间实现多对多语音转换。与为每对说话人分别构建多个 CycleGAN 相比，所提方法在不损害转换语音音质的同时显著降低了计算与空间开销。使用 VCC2018 语料的实验结果证实了该方法的有效性。
引用
@article{arxiv.2002.06328,
title = {Many-to-Many Voice Conversion using Conditional Cycle-Consistent Adversarial Networks},
author = {Shindong Lee and BongGu Ko and Keonnyeong Lee and In-Chul Yoo and Dongsuk Yook},
journal= {arXiv preprint arXiv:2002.06328},
year = {2020}
}