基于并行估计架构与防缠绕损失的神经语音相位预测
声音
2023-02-17 v2 音频与语音处理
摘要
本文提出一种新颖的语音相位预测模型，该模型通过神经网络直接从幅度谱预测缠绕相位谱。所提模型由一个残差卷积网络与一个并行估计架构级联而成。并行估计架构由两条并行线性卷积层与一个相位计算公式组成，模仿由复谱的实部与虚部计算相位谱的过程，并将预测相位值严格限制在主值区间内。为避免相位缠绕引起的误差扩散问题，我们设计了对预测缠绕相位谱与自然缠绕相位谱之间定义的防缠绕训练损失，通过防缠绕函数激活瞬时相位误差、群延迟误差与瞬时角频率误差。实验结果表明，我们所提神经语音相位预测模型在重构语音质量与生成速度上均优于迭代的 Griffin-Lim 算法及其他基于神经网络的方法。
引用
@article{arxiv.2211.15974,
title = {Neural Speech Phase Prediction based on Parallel Estimation Architecture and Anti-Wrapping Losses},
author = {Yang Ai and Zhen-Hua Ling},
journal= {arXiv preprint arXiv:2211.15974},
year = {2023}
}
备注
Accepted by ICASSP 2023. Codes are available