Puffin：面向低端设备的全带语音基音同步神经波形生成
声音
2023-06-09 v2 音频与语音处理
摘要
我们提出了一种专为低功耗辅助与替代通信（AAC）设备设计的神经声码器。通过将成功的现代声码器要素与老一代技术中成熟思想相结合，我们的系统能够在因神经声码器过于复杂而通常无法使用的设备上以 48kHz 生成高质量合成语音。该系统采用可微基音同步叠接相加进行对抗训练，并通过依赖基音同步逆短时傅里叶变换（ISTFT）生成语音样本来降低复杂度。我们的系统在仅使用极少计算量的同时，达到了与强基线（HiFi-GAN）相当的质量。我们给出了感知评估结果与系统复杂度分析。
引用
@article{arxiv.2211.14130,
title = {Puffin: pitch-synchronous neural waveform generation for fullband speech on modest devices},
author = {Oliver Watts and Lovisa Wihlborg and Cassia Valentini-Botinhao},
journal= {arXiv preprint arXiv:2211.14130},
year = {2023}
}
备注
ICASSP 2023