使用渐进式 WaveGAN 的语音指令生成
计算与语言
2019-03-19 v1 机器学习
声音
音频与语音处理
机器学习
摘要
生成对抗网络（GANs）因在图像生成方面的成功，已在广泛的数据驱动研究领域中变得极受欢迎。其从通常仅少量输入数据生成新样本的能力，使其在数据资源有限的领域成为令人振奋的研究工具。GAN 一个较少被探索的应用是语音与音频样本的合成。在此，我们提出一组对 WaveGAN 范式（一种近期提出的基于 GAN 的声音生成方法）的扩展。这些扩展——预处理、音频到音频生成、跳跃连接与渐进式结构——旨在提升合成语音样本的人类相似度。来自30名志愿者的听测评分表明，相较于原始 WaveGAN 方法，使用所提扩展在人类相似度上有中等程度提升（Cohen's d 系数为 0.65）。
引用
@article{arxiv.1903.07395,
title = {Voice command generation using Progressive Wavegans},
author = {Thomas Wiest and Nicholas Cummins and Alice Baird and Simone Hantke and Judith Dineley and Björn Schuller},
journal= {arXiv preprint arXiv:1903.07395},
year = {2019}
}
备注
7 pages, 2 figures