Mixed-EVC：语音转换中的混合情感合成与控制
音频与语音处理
2023-09-19 v3 声音
摘要
情感语音转换（EVC）传统上针对将语音话语从一种情感状态转换为另一种，以往研究主要关注离散情感类别。本文偏离常规，引入一新视角：对混合情感的细致渲染并增强对情感表达的控制。为此，我们提出一种新颖的 EVC 框架 Mixed-EVC，其仅利用离散情感训练标签。我们构建了一个编码这些离散情感间关系的属性向量，使用基于排序的支持向量机预测该向量，随后将其整合进序列到序列（seq2seq）EVC 框架。Mixed-EVC 不仅学习刻画输入情感风格，还在训练期间量化其与其他情感的相关性。因此，用户能够分配这些属性以实现所期望的混合情感渲染。客观与主观评估证实了我们的方法在混合情感合成与控制上的有效性，同时在离散情感两两转换上超越传统基线。
引用
@article{arxiv.2210.13756,
title = {Mixed-EVC: Mixed Emotion Synthesis and Control in Voice Conversion},
author = {Kun Zhou and Berrak Sisman and Carlos Busso and Bin Ma and Haizhou Li},
journal= {arXiv preprint arXiv:2210.13756},
year = {2023}
}