TriAAN-VC：用于任意到任意语音转换的三重自适应注意力归一化
音频与语音处理
2023-03-17 v1 声音
摘要
语音转换（VC）必须在保持源语音内容的同时表征目标说话人的特征。现有方法不能同时满足 VC 的上述两方面要求，其转换输出在保持源内容与目标特征之间存在权衡问题。在本研究中，我们提出三重自适应注意力归一化 VC（TriAAN-VC），其由编码器-解码器和基于注意力的自适应归一化块组成，可应用于非并行任意到任意 VC。所提出的自适应归一化块提取目标说话人表征，并通过孪生损失（siamese loss）在最小化源内容损失的同时实现转换。我们在 VCTK 数据集上就源内容保持和目标说话人相似度对 TriAAN-VC 进行了评估。针对一次学习（one-shot）VC 的实验结果表明，TriAAN-VC 在缓解现有 VC 方法所遇权衡问题的同时取得了 SOTA 性能。
引用
@article{arxiv.2303.09057,
title = {TriAAN-VC: Triple Adaptive Attention Normalization for Any-to-Any Voice Conversion},
author = {Hyun Joon Park and Seok Woo Yang and Jin Sob Kim and Wooseok Shin and Sung Won Han},
journal= {arXiv preprint arXiv:2303.09057},
year = {2023}
}
备注
To appear in ICASSP 2023