StarGAN-VC：基于星型生成对抗网络的非平行多对多语音转换
声音
2018-07-02 v2 机器学习
音频与语音处理
机器学习
摘要
本文提出了一种利用名为 StarGAN 的生成对抗网络（GAN）变体来实现非平行多对多语音转换（VC）的方法。我们将该方法称为 StarGAN-VC，其显著之处在于：(1) 在语音生成器训练中不需要平行话语、转录或时间对齐过程；(2) 使用单一生成器网络同时学习跨不同属性域的多对多映射；(3) 能够足够快地生成转换后的语音信号以支持实时实现；(4) 仅需数分钟的训练样本即可生成听起来相当逼真的语音。在非平行多对多说话人身份转换任务上的主观评估实验表明，与基于变分自编码器 GAN 的 SOTA 方法相比，所提出的方法获得了更高的音质和说话人相似度。
引用
@article{arxiv.1806.02169,
title = {StarGAN-VC: Non-parallel many-to-many voice conversion with star generative adversarial networks},
author = {Hirokazu Kameoka and Takuhiro Kaneko and Kou Tanaka and Nobukatsu Hojo},
journal= {arXiv preprint arXiv:1806.02169},
year = {2018}
}