MelGlow：基于位置可变卷积的高效波形生成网络
声音
2020-12-04 v1 人工智能
音频与语音处理
摘要
近期的神经声码器通常使用类 WaveNet 的网络来捕获波形的长程依赖，但需要大量参数才能获得良好的建模能力。本文提出一种名为位置可变卷积的高效网络来建模波形的依赖关系。与 WaveNet 使用统一卷积核捕获任意波形依赖不同，位置可变卷积利用核预测器基于梅尔谱生成多组卷积核，每组卷积核用于对关联的波形区间执行卷积操作。结合 WaveGlow 与位置可变卷积，设计了一种高效声码器 MelGlow。在 LJSpeech 数据集上的实验表明，MelGlow 在较小模型规模下取得了优于 WaveGlow 的性能，验证了位置可变卷积的有效性与潜在优化空间。
引用
@article{arxiv.2012.01684,
title = {MelGlow: Efficient Waveform Generative Network Based on Location-Variable Convolution},
author = {Zhen Zeng and Jianzong Wang and Ning Cheng and Jing Xiao},
journal= {arXiv preprint arXiv:2012.01684},
year = {2020}
}
备注
will be presented in SLT 2021