基于伪孪生解耦网络的零样本口音转换
音频与语音处理
2023-08-11 v2
摘要
口音转换（AC）的目标是将语音的口音转换为目标口音，同时保留内容与说话人身份。AC 支撑多种应用，如语言学习、语音内容创作与数据增强。先前方法在推理阶段依赖参考语句，或无法保留说话人身份。为解决这些问题，我们提出一种零样本无参考口音转换方法，能够将未见说话人的语句转换为目标口音。提出伪孪生解耦网络（PSDN）以从内容表征中解耦出口音。实验结果表明，在包括外语到母语与母语到外语的双向转换中，我们的模型生成的语音样本相较于输入具有显著更高的口音度，且自然度相当。
引用
@article{arxiv.2212.05751,
title = {Zero-Shot Accent Conversion using Pseudo Siamese Disentanglement Network},
author = {Dongya Jia and Qiao Tian and Kainan Peng and Jiaxin Li and Yuanzhe Chen and Mingbo Ma and Yuping Wang and Yuxuan Wang},
journal= {arXiv preprint arXiv:2212.05751},
year = {2023}
}
备注
Accepted by INTERSPEECH 2023