用于声门激励的说话人无关原始波形模型
音频与语音处理
2018-04-26 v1 声音
机器学习
摘要
近期语音技术研究中，将WaveNet用作统计声码器（即从声学特征生成语音波形）的兴趣日益增长。已在诸多任务（如文本转语音合成与语音转换）中表明，这些模型相较经典声码器提升了生成语音质量。此外，以声学特征调节WaveNet可在无需额外说话人编码的情况下跨多说话人共享波形生成器模型。然而，多说话人WaveNet模型需要大量训练数据与计算以覆盖整个声学空间。本文提出利用语音产生的源-滤波器模型，以有限资源更有效地训练说话人无关波形生成器。我们提出多说话人'GlotNet'声码器，其利用WaveNet生成声门激励波形，再用以激励相应声道滤波器以产生语音。听测表明，所提模型表现优于以相同模型架构与数据训练的直接WaveNet声码器。
引用
@article{arxiv.1804.09593,
title = {Speaker-independent raw waveform model for glottal excitation},
author = {Lauri Juvela and Vassilis Tsiaras and Bajibabu Bollepalli and Manu Airaksinen and Junichi Yamagishi and Paavo Alku},
journal= {arXiv preprint arXiv:1804.09593},
year = {2018}
}
备注
Submitted to Interspeech 2018