零样本演唱技巧转换

本文针对演唱技巧转换任务，提出对神经网络框架 AutoVC 的改进。这包括利用一个预训练的演唱技巧编码器来提取技巧信息，在训练时解码器以该信息为条件。在转换过程中，将源歌手的技巧信息替换为目标歌手的技巧信息，从而以目标的技巧重构输入谱图。我们记录了去除潜变量损失的有益效果、顺序训练的重要性，以及我们对瓶颈层进行微调的过程。我们还进行了一项听感研究，参与者对技巧转换后声音的技巧特异性和自然度进行评分。由此我们能够得出技巧转换的有效程度以及不同条件对其的影响，同时评估模型重构输入数据的能力。