跳到主要内容
检索

# 检索式语音转换

1 篇关联报道

订阅更新
  1. arXiv

    口音转换不再固定邻居数:AA-NN-AC用25分钟目标口音池,WER降到8.35%

    检索式口音转换直接从目标口音语音中取声学特征,省去生成模型对参数的依赖,但此前匹配池按顺序挑选、邻居数固定、风格调制分辨率粗,导致罕见音素覆盖不足和频谱不连续。AA-NN-AC把匹配池改为按音素覆盖度贪心挑选,用奇异值分解估计局部各向异性来逐帧调整邻居数,并在AdaIN模块内加入时间上采样。在L2-ARCTIC与VCTK上,其客观与主观指标优于NN-VC、NN-AC等检索式基线,WER为8.35%、CER为4.04%。

已读完全部报道