准周期 WaveNet 声码器：一种用于参数语音生成的音高相关扩张卷积模型
音频与语音处理
2020-03-24 v4 声音
摘要
本文提出一种具有新颖网络架构——音高相关扩张卷积（PDCNN）的准周期神经网络（QPNet）声码器，以改善 WaveNet（WN）声码器的音高可控性。WN 声码器从给定声学特征生成高保真语音样本的有效性近期已得到证明。然而，由于固定的扩张卷积与通用网络架构，WN 声码器难以生成训练数据范围之外的给定 F0 值语音。因此，WN 声码器缺乏传统声码器必备能力之一的音高可控性。为解决此局限，我们提出 PDCNN 组件，其具有与给定 F0 值相关的时变自适应扩张尺寸，并采用 QPNet 声码器的级联网络结构以生成语音等准周期信号。我们进行了客观与主观测试，实验结果表明 QPNet 声码器相较于同等及双倍尺寸 WN 声码器具有更好的音高可控性，同时达到可比的语音质量。索引词：WaveNet，声码器，准周期信号，音高相关扩张卷积，音高可控性
引用
@article{arxiv.1907.00797,
title = {Quasi-Periodic WaveNet Vocoder: A Pitch Dependent Dilated Convolution Model for Parametric Speech Generation},
author = {Yi-Chiao Wu and Tomoki Hayashi and Patrick Lumban Tobing and Kazuhiro Kobayashi and Tomoki Toda},
journal= {arXiv preprint arXiv:1907.00797},
year = {2020}
}
备注
5 pages, 4 figures, Proc. Interspeech, 2019