WaveCycleGAN：基于循环一致性对抗网络的合成到自然语音波形转换
音频与语音处理
2018-10-02 v2 机器学习
声音
机器学习
摘要
我们提出了一种基于学习的滤波器，可直接将合成语音波形修改为自然语音波形。采用声码器框架的语音处理系统，如统计参数语音合成和语音转换，因能在紧凑空间中表示和处理可解释的声学特征（如基频（F0）和梅尔倒谱）而在数据量有限时尤为便利。然而，一个众所周知的导致生成语音质量下降的问题是过平滑效应，它会消除生成/转换声学特征的某些细节结构。为解决此问题，我们提出了一种使用循环一致性对抗网络（cycle-consistent adversarial networks）的合成到自然语音波形转换技术，该技术在对抗学习中不需要对语音波形做任何显式假设。与现有技术的不同之处在于，由于我们的修改是在波形层面进行的，我们期望所提方法即使输入语音是使用声码器框架合成的，也能生成“无声码器”听感的语音。实验结果表明，我们提出的方法能够 1）尽管采用针对波形的直接修改方法，仍缓解声学特征的过平滑效应；2）大幅提升生成语音的自然度。
引用
@article{arxiv.1809.10288,
title = {WaveCycleGAN: Synthetic-to-natural speech waveform conversion using cycle-consistent adversarial networks},
author = {Kou Tanaka and Takuhiro Kaneko and Nobukatsu Hojo and Hirokazu Kameoka},
journal= {arXiv preprint arXiv:1809.10288},
year = {2018}
}
备注
SLT2018