使用变分自编码 Wasserstein 生成对抗网络从非平行语料进行语音转换
计算与语言
2017-06-09 v3
摘要
从非平行语音语料库构建语音转换（VC）系统具有挑战性，但在实际应用场景中极具价值。在大多数情况下，源说话人和目标说话人不会重复相同的文本，甚至可能说不同的语言。在这种情况下，一种可能（尽管是间接的）解决方案是为语音构建生成模型。生成模型侧重于用潜变量解释观测数据，而不是学习成对的转换函数，从而绕过了语音帧对齐的要求。在本文中，我们提出了一种非平行 VC 框架，该框架使用变分自编码 Wasserstein 生成对抗网络（VAW-GAN），在构建语音模型时显式考虑了 VC 目标。实验结果证实了我们的框架从非对齐数据构建 VC 系统的能力，并证明了转换质量的提升。
引用
@article{arxiv.1704.00849,
title = {Voice Conversion from Unaligned Corpora using Variational Autoencoding Wasserstein Generative Adversarial Networks},
author = {Chin-Cheng Hsu and Hsin-Te Hwang and Yi-Chiao Wu and Yu Tsao and Hsin-Min Wang},
journal= {arXiv preprint arXiv:1704.00849},
year = {2017}
}
备注
Submitted to INTERSPEECH 2017