エンドツーエンドLPCNet:完全微分可能LPC推定によるニューラルボコーダ【JST・京大機械翻訳】

Subramani Krishna; Valin Jean-Marc; Isik Umut; Smaragdis Paris; Krishnaswamy Arvindh

プレプリント

J-GLOBAL ID：202202218295201410 整理番号：22P0293913

エンドツーエンドLPCNet:完全微分可能LPC推定によるニューラルボコーダ【JST・京大機械翻訳】

End-to-end LPCNet: A Neural Vocoder With Fully-Differentiable LPC Estimation

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： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年03月29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)

ニューラルボコーダは,最近,高品質音声合成を示したが,典型的には,高い計算量を必要とする。LPCNetは,自己回帰モデルを支援するための線形予測(LP)を用いて,神経合成の複雑性を低減する方法として提案された。推論時間で,LPCNetは入力音響特徴から明示的に計算されるLP係数に依存する。それは,LPCNetベースのシステムの設計をより複雑にする一方,入力特徴がクリーンな音声スペクトルを表現するという制約を加える。フレームレートネットワークにおける入力特徴からLP係数を推論するために学習によりこれらの限界をリフティングするLPCNetのエンドツーエンドバージョンを提案した。結果は,提案したエンドツーエンドアプローチが,元のLPCNetモデルの品質を等しいか,または超えることを示したが,明白なLP解析なしではいる。このオープンソースエンドツーエンドモデルは,LPCNetの低複雑性から依然として利点があり,一方,任意のタイプの調整特性を可能にする。【JST・京大機械翻訳】

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

音声処理 , パターン認識

, , ,

前のページに戻る