使用可微分 LPC 与声门流启发式波表进行歌声合成
音频与语音处理
2024-10-21 v3 声音
摘要
本文介绍了 GlOttal-flow LPC Filter (GOLF)，一种用于歌声合成（singing voice synthesis, SVS）的新方法，它利用可微分数字信号处理来发挥人声的物理特性。GOLF 采用声门模型作为谐波源，并使用 IIR 滤波器模拟声道，从而形成了一种可解释且高效的方法。我们表明它与最先进的歌声声码器具有竞争力，需要更少的合成参数和更少的内存进行训练，并且推理速度快一个数量级。此外，我们证明 GOLF 可以建模人声的相位分量，这在以可微分方式渲染和分析歌声方面具有巨大潜力。我们的结果凸显了将人声机制的物理属性纳入 SVS 的有效性，并强调了基于信号处理的方法的优势，其在合成中提供了更强的可解释性和效率。
引用
@article{arxiv.2306.17252,
title = {Singing Voice Synthesis Using Differentiable LPC and Glottal-Flow-Inspired Wavetables},
author = {Chin-Yun Yu and György Fazekas},
journal= {arXiv preprint arXiv:2306.17252},
year = {2024}
}
备注
9 pages, 4 figures. Published at ISMIR 2023