基于准周期WaveNet声码器的统计语音转换
音频与语音处理
2020-03-24 v2 声音
摘要
本文研究了将准周期WaveNet（QPNet）声码器与统计谱转换技术相结合用于语音转换任务的有效性。WaveNet（WN）声码器已作为波形生成模块应用于许多不同的语音转换框架中，并相比传统声码器取得了显著改进。然而，由于固定的膨胀卷积和通用网络结构，WN声码器对未见输入特征的鲁棒性不足，且常需庞大的网络规模才能达到可接受的语音质量。这些局限通常导致语音转换任务中的性能下降。为克服该问题，本文采用QPNet声码器，其包含音高相关的膨胀卷积组件以增强音高可控性，并获得比WN声码器更紧凑的网络。在所提方法中，首先使用逐帧深度神经网络转换输入谱特征，然后QPNet声码器以线性转换的韵律特征和变换后的谱特征为条件生成转换语音。实验结果证实，QPNet声码器在保持与双倍规模WN声码器相当语音质量的同时，取得了显著优于同规模WN声码器的性能。索引术语：WaveNet，声码器，语音转换，音高相关膨胀卷积，音高可控性
引用
@article{arxiv.1907.08940,
title = {Statistical Voice Conversion with Quasi-Periodic WaveNet Vocoder},
author = {Yi-Chiao Wu and Patrick Lumban Tobing and Tomoki Hayashi and Kazuhiro Kobayashi and Tomoki Toda},
journal= {arXiv preprint arXiv:1907.08940},
year = {2020}
}
备注
6pages, 7figures, Proc. SSW10, 2019