使用带基音预测的逐帧自回归GAN（FARGAN）实现极低复杂度语音合成
音频与语音处理
2024-08-06 v2
摘要
神经声码器目前被广泛应用于各种语音处理任务中。在许多此类应用中，声码器可能是最复杂的组件，因此寻找更低复杂度的算法能带来显著的实用优势。在本工作中，我们提出了FARGAN，一种自回归声码器，它利用长期基音预测在小子帧中合成高质量语音，无需教师强制。实验结果表明，所提出的600 MFLOPS FARGAN声码器在质量和复杂度上均优于现有的低复杂度声码器，其质量甚至可与现有更高复杂度的声码器相媲美。
引用
@article{arxiv.2405.21069,
title = {Very Low Complexity Speech Synthesis Using Framewise Autoregressive GAN (FARGAN) with Pitch Prediction},
author = {Jean-Marc Valin and Ahmed Mustafa and Jan Büthe},
journal= {arXiv preprint arXiv:2405.21069},
year = {2024}
}
备注
Accepted in IEEE Signal Processing Letters, 5 pages