噪声环境下语音增强辅助的语音转换
音频与语音处理
2023-01-20 v3 声音
摘要
已有大量语音转换（VC）技术被提出用于不同说话人之间的语音转换。尽管在干净环境下应用VC时可观察到转换语音质量良好，但当系统在噪声条件下运行时，质量会急剧下降。为解决此问题，我们提出了一种新颖的语音增强（SE）辅助VC系统，该系统利用SE技术进行信号预处理，其中VC和SE组件以联合训练策略进行优化，旨在提供高质量的转换语音信号。我们采用流行模型StarGAN作为VC组件，因此将组合系统称为EStarGAN。我们使用普通话语音语料库测试所提出的EStarGAN系统。实验结果首先验证了EStarGAN中所用联合训练策略的有效性。此外，EStarGAN在各种未见过的噪声环境中表现出性能鲁棒性。主观听音测试结果进一步表明，EStarGAN能够改善从受噪声污染源语音转换得到的语音信号的声音质量。
引用
@article{arxiv.2110.09923,
title = {Speech Enhancement-assisted Voice Conversion in Noisy Environments},
author = {Yun-Ju Chan and Chiang-Jen Peng and Syu-Siang Wang and Hsin-Min Wang and Yu Tsao and Tai-Shih Chi},
journal= {arXiv preprint arXiv:2110.09923},
year = {2023}
}