基于可控 LPCNet 的神经变调与时间拉伸
音频与语音处理
2021-10-07 v1 声音
摘要
修改音频信号的音高与时长是基本的音频编辑操作，在语音处理、音视频同步以及歌声编辑与合成中具有应用。迄今为止，由于速度与相对更高的质量，使用数字信号处理（DSP）的变调与时间拉伸方法一直优于深度学习方法。然而，即便现有的基于 DSP 的变调与时间拉伸方法也会引入降低音频质量的伪影。本文提出 Controllable LPCNet（CLPCNet），一种能够对人声进行变调与时间拉伸的改进型 LPCNet 声码器。在客观评价中，我们表明 CLPCNet 在未见数据集上相对于先前的神经方法以高精度完成语音变调。在主观评价中，我们证明使用 CLPCNet 在未见数据集上的变调与时间拉伸质量与自然度达到或超过具有竞争力的神经或基于 DSP 的方法。
引用
@article{arxiv.2110.02360,
title = {Neural Pitch-Shifting and Time-Stretching with Controllable LPCNet},
author = {Max Morrison and Zeyu Jin and Nicholas J. Bryan and Juan-Pablo Caceres and Bryan Pardo},
journal= {arXiv preprint arXiv:2110.02360},
year = {2021}
}
备注
Submitted to ICASSP 2022