利用增强条件判别器在有限数据下训练基于生成对抗网络的声码器

基于生成对抗网络（GAN）并使用对抗判别器训练的声码器因其快速、轻量和高品质的特性而常用于语音合成。然而，这种数据驱动模型需要大量训练数据，导致高昂的数据采集成本。这一事实促使我们在有限数据上训练基于 GAN 的声码器。一种有前景的解决方案是增强训练数据以避免过拟合。然而，标准判别器是无条件的，对数据增强引起的分布变化不敏感。因此，增强后的语音（可能异常）可能被视为真实语音。为解决此问题，我们提出了一种增强条件判别器（AugCondD），该判别器除语音外还接收增强状态作为输入，从而根据增强状态评估输入语音，且不抑制对原始未增强分布的学习。实验结果表明，AugCondD 在有限数据条件下提高了语音质量，同时在充足数据条件下实现了相当的语音质量。音频样本可在 https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/augcondd/ 获取。