TTS Skins：通过ASR进行说话人转换
声音
2020-07-28 v2 机器学习
机器学习
摘要
我们提出一种全卷积wav-to-wav网络，用于在说话人声音间转换而不依赖文本。我们的网络基于编码器-解码器架构，其中编码器针对自动语音识别（ASR）任务预训练，多说话人波形解码器以自回归方式训练以重建原始信号。我们在有声叙事书上训练网络，并通过转换TTS机器人的声音展示那些声音中的多语音TTS。
引用
@article{arxiv.1904.08983,
title = {TTS Skins: Speaker Conversion via ASR},
author = {Adam Polyak and Lior Wolf and Yaniv Taigman},
journal= {arXiv preprint arXiv:1904.08983},
year = {2020}
}