像狗一样说话：人声到非人类生物语音转换

本文提出了一种新的人声到类狗语音转换任务，作为人声到非人类生物语音转换（H2NH-VC）任务的示例，在转换中保留语言信息。尽管多数语音转换研究处理人声到人声的转换，H2NH-VC旨在将人声转换为非人类生物般的语音。非平行语音转换使我们能够开发H2NH-VC，因为我们无法收集非人类生物说人类语言的平行数据集。本研究中，我们提议以狗作为非人类生物目标域的示例，并定义“像狗一样说话”任务。为阐明“像狗一样说话”任务的可能性与特性，我们使用现有的代表性非平行VC方法，在声学特征（梅尔倒谱系数与梅尔谱图）、网络架构（五种不同的核尺寸设置）和训练准则（基于变分自编码器（VAE）与基于生成对抗网络）方面进行了对比实验。最后，使用平均意见得分对转换语音进行评估：像狗程度、音质与可懂度，以及字符错误率（CER）。实验表明，采用梅尔谱图提升了转换语音的像狗程度，但保留语言信息具有挑战性。本文强调了当前VC方法用于H2NH-VC的挑战与局限。