非平行语音转换中源说话风格的迁移
音频与语音处理
2020-05-20 v1
摘要
语音转换（VC）技术旨在修改话语的说话人身份，同时保留底层语言信息。大多数 VC 方法忽略对说话风格（如情感和重音）的建模，而说话风格可能包含说话人有意添加的因素，应在转换中保留。本研究提出一种基于序列到序列的非平行 VC 方法，其通过显式建模具备将说话风格从源语音迁移到转换后语音的能力。客观评估和主观听测表明，所提 VC 方法在转换语音的自然度和说话人相似度方面具有优势。还进行了实验以展示所提方法的源风格可迁移性。
引用
@article{arxiv.2005.09178,
title = {Transferring Source Style in Non-Parallel Voice Conversion},
author = {Songxiang Liu and Yuewen Cao and Shiyin Kang and Na Hu and Xunying Liu and Dan Su and Dong Yu and Helen Meng},
journal= {arXiv preprint arXiv:2005.09178},
year = {2020}
}
备注
5 pages, 8 figures, submitted to INTERSPEECH 2020