结合WaveNet声码器与塌陷语音抑制的非并行语音转换系统
音频与语音处理
2020-04-08 v2 声音
摘要
本文中，我们将一个简单的非并行语音转换（VC）系统与WaveNet（WN）声码器及所提出的塌陷语音抑制技术相集成。近期工作已证实WN作为基于声学特征生成高保真语音波形的声码器之有效性。然而，当WN声码器与VC系统结合时，失真的声学特征、声学与时序失配以及暴露偏差通常导致显著的语音质量退化，使WN生成称为塌陷语音的极噪语音段。为解决该问题，我们以常规声码器生成的语音作为参考语音，导出线性预测编码分布约束（LPCDC）以避免塌陷语音问题。此外，为减轻LPCDC引入的负面影响，我们提出塌陷语音段检测器（CSSD）以确保LPCDC仅应用于问题段，将质量损失限制于短时段。我们进行了客观与主观评测，实验结果确认了所提方法的有效性，其进一步改善了我们在Voice Conversion Challenge 2018提交的前述非并行VC系统的语音质量。
引用
@article{arxiv.2003.11750,
title = {Non-parallel Voice Conversion System with WaveNet Vocoder and Collapsed Speech Suppression},
author = {Yi-Chiao Wu and Patrick Lumban Tobing and Kazuhiro Kobayashi and Tomoki Hayashi and Tomoki Toda},
journal= {arXiv preprint arXiv:2003.11750},
year = {2020}
}
备注
13 pages, 13 figures, 1 table, accepted to publish in IEEE Access