基于深度高斯过程并使用简单循环单元的语句级序列建模语音合成
音频与语音处理
2020-04-24 v1 机器学习
声音
机器学习
摘要
本文提出一种具有循环架构的深度高斯过程(DGP)模型用于语音序列建模。DGP 是一种贝叶斯深度模型，可在考虑模型复杂度的前提下有效训练，并且是一种具有高表达能力的核回归模型。先前研究表明，基于 DGP 的语音合成优于基于神经网络的合成，两者均使用前馈架构。为提升合成语音的自然度，本文中我们展示 DGP 可利用循环架构模型应用于语句级建模。我们为所提模型采用简单循环单元(SRU)以实现循环架构，其中可借助 SRU 的高并行性实现快速语音参数生成。客观与主观评测结果表明，所提基于 SRU-DGP 的语音合成不仅优于前馈 DGP，也优于自动调优的基于 SRU 和长短期记忆(LSTM)的神经网络。
引用
@article{arxiv.2004.10823,
title = {Utterance-level Sequential Modeling For Deep Gaussian Process Based Speech Synthesis Using Simple Recurrent Unit},
author = {Tomoki Koriyama and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:2004.10823},
year = {2020}
}
备注
5 pages. Accepted by ICASSP2020