Sep, 2023

使用随机变分深层核学习的并行和有限数据语音转换

PDF
TL;DR基于随机变分深度核学习方法的有限数据语音转换模型在使用较少数据的情况下获得更高的平均意见得分、较小的频谱失真和更好的偏好测试结果。
voice conversionlimited datastochastic variational deep kernel learninggaussian processmodel parameters
发现论文，激发创造
  • 随机变分深层核学习

    本研究提出一种新的深度内核学习方法和随机变分推断程序，利用加性基础内核方法将子集的输出特征整合入深度神经网络以提高分类性能，并比较了该方法与深度神经网络、SVM 和基于高斯过程的方法在多个分类基准测试中的性能。

    Nov, 2016

  • 动力系统的循环深度核学习

    使用基于数据驱动的随机变分深度核学习以及递归版本，提出了一种构建 ROMs 的方法，能够对物理资产的复杂动态进行精确描述，并具备去噪、重建、学习紧凑表征系统状态、预测以及量化建模不确定性的能力。

    May, 2024

  • 使用非并行训练数据的 VAW-GAN 歌声转化

    本论文提出了一种基于 VAW-GAN 的歌声转换框架，通过训练一个编码器来解开歌手身份和演唱语调（F0 曲线），通过对歌手身份和 F0 进行条件生成，解码器能够生成具有未见目标歌手身份的输出谱特征，并提高了 F0 渲染的性能。

    Aug, 2020

  • 基于稳健解缠变分语音表示学习的零样本语音转换

    本研究提出利用自监督分离式语音表示学习的新视角进行零样本语音转换，通过在序列变分自编码器中平衡全局说话人表示和时变内容表示之间的信息流实现分离，并应用实时数据增强培训策略以使所学表示不受噪声干扰。在 TIMIT 和 VCTK 数据集上表现出了优越性能，不仅在客观评估上表现良好，而且在主观评估方面具有鲁棒性，即使在源 / 目标语音帧存在噪声的情况下仍能保持不错的性能。

    Mar, 2022

  • 一种卷积深度马尔可夫模型用于无监督语音表征学习

    本文提出了 ConvDMM，这是一种使用非线性发射和转移函数模型的高斯状态空间模型，并使用深度卷积神经网络作为结构变分近似的推理网络的无监督模型。当在大规模语音数据集上进行训练时，ConvDMM 产生的特征在线性电话分类和在 WSJ 数据集上的识别方面显着优于多个自我监督的特征提取方法，并且可以与 Wav2Vec 和 PASE 等自我监督的方法相辅相成，进一步提高了结果。最后，我们发现，在少量标记训练示例的极低资源之下，ConvDMM 功能使得学习更好的电话识别器比任何其他功能。

    Jun, 2020

  • StarGAN-VC2: 基于 StarGAN 的语音转换中重新思考条件方法

    本研究提出了一种改进的条件方法 StarGAN-VC2，包含源域和目标域的条件对抗损失和基于调制的条件方法，来使多域语音转换更加准确和自然。实验结果显示，该方法在语音质量和说话人相似度方面优于之前的 StarGAN-VC 模型。

    Jul, 2019

  • 半监督深度核学习：通过最小化预测方差进行未标记数据回归

    本论文提出一种半监督深度内核学习方法（SSDKL），该方法结合了神经网络的分层表示学习和高斯过程的概率建模能力，并利用未标记数据来提高真实世界回归任务的预测准确性。

    May, 2018

  • 变分自编码深度高斯过程

    通过与一个识别模型相结合，我们开发了一个可扩展的深度非参数生成模型。在利用多层感知器的变分框架下，我们重新参数化变分后验分布，并推导出一个可处理深度学习任务规模数据集的变分下界公式，证明了该方法在深度无监督学习和深度贝叶斯优化领域的有效性。

    Nov, 2015

  • 基于扩散的语音转换和快速最大似然采样方案

    本文采用扩散概率建模来解决一次多对多语音转换问题，并通过实证研究证明了其比使用最先进的语音转换方法要更具优势。在此基础上，我们通过理论分析并研发了适用于各种扩散模型类型的随机微分方程求解器，以便进一步提高其合成质量并实现实时应用。

    Sep, 2021

  • StarGAN-ZSVC：低资源环境下的零样本语音转换

    本文提出了一个基于生成性对抗网络的语音转换模型，该模型可以在零阶设置下使用未见过的讲话者，并且在实时或更快的速度下运行，与其他语音转换技术相比，该模型在小量数据的零阶设置下表现优异。

    May, 2021