基于生成对抗网络的概率密度蒸馏用于高质量并行波形生成
音频与语音处理
2019-08-29 v2 声音
摘要
本文提出了一种用于基于 WaveNet 的并行波形生成(PWG)系统的有效概率密度蒸馏(PDD)算法。近期提出的 PWG 系统中的师生框架已成功实现语音信号的实时生成。然而,在没有辅助损失的情况下优化 PDD 准则的困难导致了合成语音的质量下降。为了在师生框架内生成更自然的语音信号,我们提出了一种基于生成对抗网络(GAN)的新优化准则。在所提方法中,基于逆自回归流的学生模型作为生成器被纳入 GAN 框架,并通过 PDD 机制与所提对抗学习方法联合优化。由于该过程鼓励学生建模真实语音波形的分布,合成语音的感知质量变得更加自然。我们的实验结果表明,采用所提方法的 PWG 系统优于使用传统方法的系统,也优于具有训练良好教师 WaveNet 的自回归生成系统。
引用
@article{arxiv.1904.04472,
title = {Probability density distillation with generative adversarial networks for high-quality parallel waveform generation},
author = {Ryuichi Yamamoto and Eunwoo Song and Jae-Min Kim},
journal= {arXiv preprint arXiv:1904.04472},
year = {2019}
}
备注
Accepted to the conference of INTERSPEECH 2019