基于说话人身份循环一致性损失的语音转换网络优化
声音
2020-11-18 v1 音频与语音处理
摘要
我们提出了一种利用说话人身份损失函数优化语音转换网络的新训练方案。该训练方案不仅最小化帧级谱损失，还最小化说话人身份损失。我们引入一种循环一致性损失，在语句级别约束转换后的语音保持与参考语音相同的说话人身份。尽管所提训练方案适用于任意语音转换网络，本文我们在平均模型语音转换框架下展开研究。在 CMU-ARCTIC 与 CSTR-VCTK 语料库上的实验证实，所提方法在说话人相似度方面优于基线方法。
引用
@article{arxiv.2011.08548,
title = {Optimizing voice conversion network with cycle consistency loss of speaker identity},
author = {Hongqiang Du and Xiaohai Tian and Lei Xie and Haizhou Li},
journal= {arXiv preprint arXiv:2011.08548},
year = {2020}
}