voice conversion | BriefGPT

关键词voice conversion

搜索结果 - 91

GlowVC: 面向语言无关的文本自由语音转换的 Mel-spectrogram 空间解缕模型
本文提出了 GlowVC: 一种多语言多说话人基于流的无文本语音转换模型。通过考虑两种不同版本的模型，GlowVC-conditional 和 GlowVC-explicit，它们分别根据语音特征对 mel-spectrogram 空间进行
PDF2 years ago
如犬相语：人类到非人类生物的声音转换
本文提出了从人类语音到狗狗语音的语音转换任务，并尝试使用 Mel-spectrogram 来保持狗狗语音的相似度。
PDF2 years ago
基于条件 DSVAE 的零样本语音转换改进
通过条件的 DSVAE 模型，将内容信息的分离，并在语音转换方面实现更好的性能。
PDF2 years ago
读取场景：将机器人的语音适应环境和社交背景
本研究旨在通过语音转换、使用环境音和背景图像数据，以及合适的 TTS 文本合成技术，优化机器人语音在不同场景下的适用性和可接受性，从而提供人机交互和服务机器人的解决方案。
PDF2 years ago
自监督语音表示保留语音特征同时实现匿名化
本文旨在研究如何使用基于自监督语音表征的语音转换模型匿名处理声音数据，结果表明用这种方法匿名化处理的语音可以维持原始语音低的误识别率，但对于说话人验证存在性能下降的问题。此外，本文的研究还能以匿名的方式提取出健康语言和病理语言之间的区别语音
PDF2 years ago
WavThruVec: 基于中间特征的语音合成中的潜在语音表示
WavThruVec is a two-stage neural text-to-speech architecture that uses high-dimensional Wav2Vec 2.0 embeddings as interm
PDF2 years ago
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
PDF2 years ago
SpeechSplit 2.0: 无需调节自编码器瓶颈的无监督语音去混叠技术
本文介绍了 SpeechSplit 2.0，它通过使用有效的信号处理方法来限制语音组件的信息流，从而实现了特定方面的语音转换和语音分离，相比于 SpeechSplit 在语音分离方面具有更高的稳健性和可靠性。
PDF2 years ago
基于混合 ASR 瓶颈特征的内容和细粒度韵律信息解耦用于语音转换
该研究提出了一种使用来自连接时序分类损失和交叉熵损失自动语音识别模型提取的混合瓶颈特征的任何到一语音转换方法，并使用渐变反转层和实例归一化从两种瓶颈特征中提取信息以提高相似度、自然度和语音质量。
PDF2 years ago
多模态学习改进少样本语音克隆
这篇文章提出使用多模态学习来改进少样本语音克隆性能，并通过在 Tacotron2 上增加无监督语音表示模块来构建该系统，实验结果表明，该多模态学习方法可以极大地提高语音克隆性能。
PDF2 years ago
VCVTS：通过语音转换跨模态知识转移进行多说话人视频到语音合成
本篇论文提出了一种基于跨模态知识转移的多说话人视频朗读合成系统，利用向量量化及对比预测编码来导出获得离散类音素的声学单元，利用 Lip-to-Index 网络推断声学单元的索引序列，并利用说话人编码器来产生说话人表示，以有效地控制生成语音的
PDF2 years ago
Voice Filter: 基于语音转换后处理模块的少样本文本转语音说话人自适应
本文提出一种极低资源语音合成方法 Voice Filter，它只需要使用目标发言人的一分钟语音，采用基于声音转换（VC）的后处理模块来增强现有的高质量 TTS 系统，成功地解决了低资源 TTS 系统训练中的质量和可理解性降低的问题，并将少样
PDF2 years ago
数据增强用于文本转语音的跨说话人风格转移
使用语音转换进行数据增强，构建单说话人多风格的 TTS 系统，实现控制不同说话人的风格和保留目标说话人身份的表达性语音转换。
PDF2 years ago
时间拉伸对改善口吃病患者的言语能力和识别度的有效性研究
本文中，我们研究了几种现有和一种新型的基于生成对抗网络（GAN）的语音转换方法，用于增强发音不清的语音以提高发音不清的语音识别；我们比较了现有方法的关键组件，以确定最有效的解决方案来改善发音不清的语音识别。我们发现，一些直接的信号处理方法，
PDF2 years ago
YourTTS: 面向全体人员的零样本多说话人语音合成和零样本语音转换
该研究使用多语言方法进行零样本多说者语音合成，可在低资源语种上实现零样本语音转换，使用 VITS 模型，经过多项创新修改后，在 VCTK 数据集上实现了最先进的结果，并且可以在少于 1 分钟的输入语音上对 YourTTS 进行微调以获得最佳
PDF3 years ago
神经分析与合成：基于自监督表示重构语音
提出了一种神经分析合成（NANSY）框架，它可以操作任意语音信号的声音、音高和速度，通过使用信息扰动提出了一种新的训练策略，使 NANSY 具有高重构质量和可控性，不需要任何瓶颈结构，使用全自监督训练方式，可以在多个应用领域获得显著的性能提
PDF3 years ago
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。
PDF3 years ago
MMStarGAN-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。
PDF3 years ago
基于深度学习的合成语音自然度评估
本文提出了一种新的客观预测合成语音自然度的模型，采用 CNN-LSTM 网络逐端训练，独立于语言，能用于评估文本转语音或语音转换系统的效果，通过在多个数据集上测试证明模型的可靠性。
PDF3 years ago
ICLR通过分解表示学习改进零样本语音风格转换
本研究提出了一种基于解缠表示学习的零样本语音转换方法，通过在输入语音的内容嵌入和目标样式嵌入之间进行组合来实现对新声音的转换，可以在无先验知识和非并行数据的情况下完成，方法在 VCTK 数据集上进行验证，并在许多对多和零样本实验上展现出了最
PDF3 years ago