用于说话人相关多频带MelGAN声码器数据增强的关系型数据选择

如今，当有大量训练数据可用时，神经声码器能够生成非常高保真度的语音。尽管说话人相关（SD）声码器通常优于说话人无关（SI）声码器，但对于大多数实际应用而言，收集特定目标说话人的大量数据是不现实的。为解决目标数据有限的问题，本文提出了一种基于说话人表示与说话人验证相似性度量的数据增强方法。该方法从外部语料库中选取与目标说话人具有相似说话人身份的语句，然后将所选语句与有限的目标数据结合，用于SD声码器的自适应。评估结果表明，与使用仅有限目标数据自适应的声码器相比，使用增强数据自适应的声码器在合成语音的质量与相似度上均有提升。