Scyclone：基于谱图与循环一致对抗网络的高质量无并行数据语音转换
音频与语音处理
2020-05-08 v1
摘要
本文提出 Scyclone，一种无需并行数据训练的高质量语音转换（VC）技术。Scyclone 通过引入基于 CycleGAN 的谱图转换与简化的基于 WaveRNN 的声码器，提升了转换语音的自然度与说话人相似度。在 Scyclone 中，使用线性谱图作为转换特征而非声码器参数，从而避免了因基频与浊/清音参数提取误差导致的质量退化。源说话人与目标说话人的谱图由改进的 CycleGAN 网络建模，波形使用具有单高斯概率密度函数的简化 WaveRNN 重建。采用完全非配对训练数据的主观实验表明，Scyclone 显著优于现有最先进的无需并行数据 VC 技术之一 CycleGAN-VC2。
引用
@article{arxiv.2005.03334,
title = {Scyclone: High-Quality and Parallel-Data-Free Voice Conversion Using Spectrogram and Cycle-Consistent Adversarial Networks},
author = {Masaya Tanaka and Takashi Nose and Aoi Kanagaki and Ryohei Shimizu and Akira Ito},
journal= {arXiv preprint arXiv:2005.03334},
year = {2020}
}