面向非平行语音转换的 Transformer 模型 VCTR
声音
2025-10-16 v1
摘要
非平行语音转换旨在将来自一个源域的语音转换为目标域，无需配对训练数据。循环一致生成对抗网络（CycleGAN）和变分自编码器（VAE）已用于此任务，但这些模型 suffer于训练困难和结果不令人满意。后来引入了对比语音转换（CVC），利用对比学习方法来解决这些问题。然而，这些方法使用基于 CNN 的生成器，能够捕捉局部语义，但缺乏捕捉全局语义所必需的长程依赖关系。本文提出了 VCTR，一种高效的方法，用于非平行语音转换，利用混合感知块（HPB）和双精修剪自注意力（DPSA）以及对比学习的对抗方法。代码可在 https://github.com/Maharnab-Saikia/VCTR 查找。
关键词
引用
@article{arxiv.2510.12964,
title = {VCTR: A Transformer-Based Model for Non-parallel Voice Conversion},
author = {Maharnab Saikia},
journal= {arXiv preprint arXiv:2510.12964},
year = {2025}
}