ドメイン敵対訓練による雑音のあるサンプルからのデータ効率的な音声クローニング【JST・京大機械翻訳】

Cong Jian; Yang Shan; Xie Lei; Yu Guoqiao; Wan Guanglu

プレプリント

J-GLOBAL ID：202202204448121312 整理番号：22P0180168

ドメイン敵対訓練による雑音のあるサンプルからのデータ効率的な音声クローニング【JST・京大機械翻訳】

Data Efficient Voice Cloning from Noisy Samples with Domain Adversarial Training

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年08月10日プレプリントサーバーでの情報更新日： 2020年08月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データ効率的な音声クローニングは,手で少数の登録サンプルだけを有する目標話者の音声を合成することを目的とする。この目的のために,話者適応と話者符号化は,複数の話者から訓練されたベースモデルに基づく2つの典型的な方法である。前者は,直接モデル更新を通して話者の音声をターゲット話者に転送するために,マルチ話者モデルを転送するために,小さな集合の目標話者データを使用し,一方,後者では,モデル更新なしで,ターゲット話者の音声を合成するために,マルチ話者モデルとともに,ほんの数秒の目標話者の音声が,余分の話者符号化モデルを通して,直接通過する。それにもかかわらず,2つの方法はクリーンなターゲット話者データを必要とする。しかし,ユーザによって提供されるサンプルは,実際の応用において音響雑音を必然的に含む。雑音の多いデータでターゲット音声を生成することは,まだ困難である。本論文では,シーケンスツーシーケンスベースTTSパラダイムの下で,雑音の多いサンプルからのデータ効率的音声クローニング問題を研究した。特に,話者適応と話者符号化にドメイン敵対訓練(DAT)を導入し,音声雑音混合から雑音を解消することを目指した。実験は,話者適応と符号化の両方に対して,提案した方式が雑音のある話者サンプルからクリーン音声を一貫して合成でき,最先端の音声強調モジュールを採用する方法を明らかに凌ぐことを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 音声処理

, , , , , ,

前のページに戻る