PeriodNet：一种分离周期与非周期成分结构的非自回归波形生成模型
音频与语音处理
2021-02-17 v1 机器学习
声音
信号处理
摘要
我们提出 PeriodNet，一种具有建模语音波形中周期与非周期成分新结构的非自回归（non-AR）波形生成模型。非自回归波形生成模型可并行生成语音波形，并可通过以声学特征为条件用作语音声码器。由于语音波形包含周期与非周期成分，为生成高质量语音波形，两种成分都应被恰当建模。然而，事先从自然语音波形中分解这些成分十分困难。为解决此问题，我们提出一种分离周期与非周期成分的并行模型与串行模型结构。我们提出模型的特点是显式的周期与非周期信号被作为输入，且训练中外部分解周期/非周期并非必需。使用歌声语料的实验表明，我们提出的结构提升了生成波形的自然度。我们还表明，训练数据音高范围之外的语音波形可以生成得更自然。
引用
@article{arxiv.2102.07786,
title = {PeriodNet: A non-autoregressive waveform generation model with a structure separating periodic and aperiodic components},
author = {Yukiya Hono and Shinji Takaki and Kei Hashimoto and Keiichiro Oura and Yoshihiko Nankaku and Keiichi Tokuda},
journal= {arXiv preprint arXiv:2102.07786},
year = {2021}
}
备注
5 pages, accepted to ICASSP 2021