啊诚

摘要： DuTa-VC: 一种具有扩散概率模型的时长感知典型到非典型语音转换方法 摘要 我们提出了一种新颖的典型到非典型语音转换方法（DuTa-VC），它具有以下特点：（i）可以使用非平行数据进行训练，（ii）首次引入了扩散概率模型，（iii）保留了目标说话者的身份，（iv）了解目标说话者的音素持续时间。D 阅读全文

摘要： Disentanglement in a GAN for Unconditional Speech Synthesis 在无条件语音合成中的GAN解缠 摘要— 我们是否可以开发一个模型，可以直接从潜在空间合成逼真的语音，而无需明确的条件？尽管在过去的十年里进行了多次尝试，以对抗和扩散为基础的方法仍然 阅读全文

摘要： StarGANv2-VC: 一个多样化、无监督、非平行的自然音声转换框架 摘要 我们提出了一种使用生成对抗网络（GAN）的无监督非平行多对多声音转换（VC）方法，称为StarGAN v2。通过使用对抗性源分类器损失和感知损失的组合，我们的模型明显优于先前的VC模型。虽然我们的模型仅通过20名英语讲话 阅读全文

摘要： HierVST: 分层自适应零样本语音风格转换 摘要： 尽管语音风格转换（VST）领域取得了快速进展，但最近的零样本VST系统仍然缺乏将新的说话者的语音风格进行转换的能力。在本文中，我们提出了HierVST，这是一个分层自适应的端到端零样本VST模型。在没有任何文本转录的情况下，我们仅利用语音数据集 阅读全文

摘要： 摘要 语音转换（VC）可以通过首先提取源内容信息和目标说话者信息，然后利用这些信息重构波形来实现。然而，目前的方法通常要么提取带有泄漏说话者信息的不完整内容信息，要么需要大量带标注的数据进行训练。此外，由于转换模型与声码器之间的不匹配，重构波形的质量可能会下降。在本文中，我们采用了VITS的端到端框 阅读全文

摘要： 今天开始开一期语音合成经典论文的翻译 Glow-TTS：通过单调对齐实现文本到语音的生成流 摘要： 最近，文本到语音（Text-to-Speech，TTS）模型，如FastSpeech和ParaNet，被提出以并行方式从文本生成mel频谱图（mel-spectrograms）。尽管并行TTS模型具有 阅读全文

摘要： 利用发现的数据来创建合成声音是具有挑战性的，因为现实世界的录音通常包含各种类型的音频退化。解决这个问题的一种方法是使用增强模型对语音进行预增强，然后使用增强后的数据进行文本转语音（TTS）模型训练。本论文研究了使用条件扩散模型进行广义语音增强，旨在同时解决多种类型的音频退化。增强是在对数Mel频谱领 阅读全文

摘要： 在content encoder中使用instance normalization，可以起到去除说话者信息的作用。首先来看一下instance normalization的原理，一般会对输入语音做conv1d得到feature map，有几个conv1d filter就会得到几个feature ma 阅读全文

摘要： 原文：FREEVC: TOWARDS HIGH-QUALITY TEXT-FREE ONE-SHOT VOICE CONVERSION 原文地址：https://ieeexplore.ieee.org/abstract/document/10095191 个人总结： 1.提出mel谱缩放增强方法。 阅读全文

摘要： 原文：PARALLEL-DATA-FREE VOICE CONVERSION USING CYCLE-CONSISTENT ADVERSARIAL NETWORKS 地址：https://arxiv.org/pdf/1711.11293v2.pdf 摘要： 我们提出了一种无需平行数据的语音转换（VC 阅读全文