知覚エントロピー損失によるシーケンスからシーケンスへの歌声合成【JST・京大機械翻訳】

Shi Jiatong; Guo Shuai; Huo Nan; Zhang Yuekai; Jin Qin

プレプリント

J-GLOBAL ID：202202221291420266 整理番号：21P0056256

知覚エントロピー損失によるシーケンスからシーケンスへの歌声合成【JST・京大機械翻訳】

Sequence-to-sequence Singing Voice Synthesis with Perceptual Entropy Loss

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10月22日プレプリントサーバーでの情報更新日： 2021年02月26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)

ニューラルネットワーク(NN)ベースの歌声合成(SVS)システムは,十分に訓練するのに十分なデータを必要とし,データ不足のために過剰適合しやすい。しかし,高いデータ収集とアノテーションコストのため,SVSシステム構築におけるデータ制限問題がしばしば遭遇する。本研究では,ネットワークを正則化するために,心理音響聴覚モデルに由来する知覚エントロピー(PE)損失を提案した。1時間オープンソース歌声データベースを用いて,RNNベース,変圧器ベース,および配座異性体ベースモデルを含む,様々な主流シーケンス対シーケンスモデルに対するPE損失の影響を調べた。著者らの実験は,PE損失が過剰適合問題を緩和でき,客観的および主観的評価に反映される合成歌品質を著しく改善することを示した。【JST・京大機械翻訳】

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

音声処理 , 楽器音響

, , , ,

前のページに戻る