爱奇艺用于2020语音转换挑战赛的系统
声音
2020-10-30 v1 音频与语音处理
摘要
本文介绍了爱奇艺用于2020语音转换挑战赛的语音转换系统（T24）。在比赛中，每个目标说话人有70句话。我们构建了一个基于PPG的端到端语音转换系统。首先，ASR声学模型计算BN特征，其代表语音中与内容相关的信息。然后通过改进的韵律tacotron模型计算Mel特征。最后，通过改进的LPCNet将Mel频谱转换为wav。评估结果表明，该系统能够取得较好的语音转换效果。在使用16k而非24k采样率音频的情况下，转换结果在自然度和相似度方面相对较好。其中，我们的最佳结果在Task 2的相似度评估中，基于ASV的客观评估中排名第2，主观评估中排名第5。
引用
@article{arxiv.2010.15317,
title = {The IQIYI System for Voice Conversion Challenge 2020},
author = {Wendong Gan and Haitao Chen and Yin Yan and Jianwei Li and Bolong Wen and Xueping Xu and Hai Li},
journal= {arXiv preprint arXiv:2010.15317},
year = {2020}
}