准周期 WaveNet：一种基于音高相关扩张卷积神经网络的自回归原始波形生成模型
音频与语音处理
2021-03-30 v3 声音
摘要
本文提出一种名为准周期 WaveNet (QPNet) 的音高自适应波形生成模型，利用音高相关扩张卷积神经网络(PDCNNs)改善原始 WaveNet (WN) 有限的音高可控性。具体而言，作为具有堆叠扩张卷积层的概率自回归生成模型，WN 实现了高保真音频波形生成。然而，纯数据驱动的特性以及缺乏音频信号先验知识降低了 WN 的音高可控性。例如，当给定的辅助基频()特征超出训练数据中观测到的 范围时，WN 难以精确生成音频信号的周期分量。为解决此问题，提出了具有两项新颖设计的 QPNet。首先，应用 PDCNN 组件根据给定辅助 特征动态改变 WN 的网络架构。其次，利用级联网络结构同时建模语音等准周期信号的长期与短期依赖。对单音正弦波与语音生成性能进行了评估。实验结果表明了 PDCNNs 对未见辅助 特征的有效性，以及级联结构对语音生成的有效性。
引用
@article{arxiv.2007.05663,
title = {Quasi-Periodic WaveNet: An Autoregressive Raw Waveform Generative Model with Pitch-dependent Dilated Convolution Neural Network},
author = {Yi-Chiao Wu and Tomoki Hayashi and Patrick Lumban Tobing and Kazuhiro Kobayashi and Tomoki Toda},
journal= {arXiv preprint arXiv:2007.05663},
year = {2021}
}
备注
15 pages, 12 figures, 11 tables