通用适配器：用于语音合成中不同配置梅尔谱图间的转换
音频与语音处理
2022-11-01 v2 声音
摘要
近期多数语音合成系统由合成器与声码器组成。然而，现有合成器与声码器仅能与以特定配置提取的声学特征相匹配。因此，我们无法将任意合成器与声码器组合成完整系统，更毋庸说应用于新开发的模型。本文提出 Universal Adaptor，其接收由源配置参数化的梅尔谱图，并只要我们输入源配置与目标配置，便将其转换为由目标配置参数化的梅尔谱图。实验表明，无论单说话人还是多说话人场景，从 Universal Adaptor 输出合成出的语音质量均与从真值梅尔谱图合成出的语音相当。此外，Universal Adaptor 可应用于近期 TTS 系统与语音转换系统而不降低质量。
引用
@article{arxiv.2204.00170,
title = {Universal Adaptor: Converting Mel-Spectrograms Between Different Configurations for Speech Synthesis},
author = {Fan-Lin Wang and Po-chun Hsu and Da-rong Liu and Hung-yi Lee},
journal= {arXiv preprint arXiv:2204.00170},
year = {2022}
}