重映射、扭曲与注意力：基于归一化流的非平行多对多口音转换
音频与语音处理
2022-11-14 v1
摘要
同一语言的地区口音不仅影响词的发音（即语音内容），也影响语音的韵律方面，如语速和语调。本文研究了一种基于流的利用归一化流进行口音转换的新方法。所提方法围绕三个步骤：重映射语音条件以更好地匹配目标口音，扭曲转换后语音的时长以更好地适应目标音素，以及一种隐式对齐源与目标语音序列的注意力机制。所提出的重映射–扭曲–注意力系统能够同时适配语音的语音与韵律方面，并允许源与转换后语音信号具有不同长度。客观与主观评测表明，所提方法在目标口音相似度、自然度与可懂度方面显著优于具有竞争力的 CopyCat 基线模型。
引用
@article{arxiv.2211.05850,
title = {Remap, warp and attend: Non-parallel many-to-many accent conversion with Normalizing Flows},
author = {Abdelhamid Ezzerg and Thomas Merritt and Kayoko Yanagisawa and Piotr Bilinski and Magdalena Proszewska and Kamil Pokora and Renard Korzeniowski and Roberto Barra-Chicote and Daniel Korzekwa},
journal= {arXiv preprint arXiv:2211.05850},
year = {2022}
}
备注
IEEE Spoken Language Technology Workshop 2022