多任务 WaveNet：一种无需基频条件的统计参数语音合成多任务生成模型
音频与语音处理
2018-06-25 v1 声音
信号处理
摘要
本文介绍了一种基于 WaveNet 在多任务学习框架下用于统计参数语音合成 (SPSS) 的改进生成模型。与原始 WaveNet 模型不同，所提出的多任务 WaveNet 将帧级声学特征预测作为辅助任务，并可移除原始 WaveNet 所需的外部基频预测模型。因此，改进后的 WaveNet 仅以语言特征为条件即可生成高质量语音波形。多任务 WaveNet 通过解决音高预测误差累积问题，能生成更自然且更具表现力的语音，并且比原始 WaveNet 拥有更简洁的推理流程。实验结果证明，本文提出的 SPSS 方法在客观和主观偏好测试中均能取得比利用原始 WaveNet 的现有最优方法更好的性能。
引用
@article{arxiv.1806.08619,
title = {Multi-task WaveNet: A Multi-task Generative Model for Statistical Parametric Speech Synthesis without Fundamental Frequency Conditions},
author = {Yu Gu and Yongguo Kang},
journal= {arXiv preprint arXiv:1806.08619},
year = {2018}
}
备注
Accepted by Interspeech 2018