文献

J-GLOBAL ID：202102221549339576   整理番号：21A2488040

話者認識モジュールに基づくワンショット音声変換【JST・京大機械翻訳】

One-Shot Voice Conversion Based on Speaker Aware Module

著者 (6件)： Zhang Ying (Kwai,Beijing,P.R. China) ,  Che Hao (Kwai,Beijing,P.R. China) ,  Li Jie (Kwai,Beijing,P.R. China) ,  Li Chenxing (Kwai,Beijing,P.R. China) ,  Wang Xiaorui (Kwai,Beijing,P.R. China) ,  Wang Zhongyuan (Kwai,Beijing,P.R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICASSP  ページ： 5959-5963  発行年： 2021年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 音声変換(VC)は,言語内容を維持しながら音声の音声を変換するタスクである。非並列データでVCを可能にするいくつかの方法が提案されてきたが,多くのデータまたは適応プロセスなしで音声をモデル化するのは,まだ難しい。本論文では,適応段階なしにワンショット音声変換を実現する話者認識音声変換(SAVC)システムを提案した。SAVCは話者認識モジュール(SAM)を利用して話者埋込みを解消する。SAMは動的参照符号器,静的話者知識ブロック(SKB),およびマルチヘッド注意層から成る。参照符号器を用いて,可変長発話を固定長ベクトルに圧縮し,SKBを事前抽出xベクトルから構築し,マルチヘッド注意層を設計し,重みづけ結合話者埋込みを生成した。続いて,文脈符号化としての音韻ポテントグラム(PPG)を話者埋込みと連結し,音響特徴を生成するために復号器モジュールに送付した。Aishell-1コーパスに関する実験結果は,提案方法が話者類似性を改善し,発話音声品質を変換できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  言語 ,  復号器 ,  音韻 ,  *話者認識 ,  符号器 ,  重みづけ ,  類似性 ,  コーパス ,  発話
準シソーラス用語： 音声品質 ,  話者 ,  音響特徴 ,  *音声変換 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 話者認識 ,  モジュール ,  ショット ,  音声変換