ConvS2S-VC: Fully Convolutional Sequence-to-Sequence Voice Conversion
نویسندگان
چکیده
منابع مشابه
Convolutional Sequence to Sequence Learning
The prevalent approach to sequence to sequence learning maps an input sequence to a variable length output sequence via recurrent neural networks. We introduce an architecture based entirely on convolutional neural networks.1 Compared to recurrent models, computations over all elements can be fully parallelized during training and optimization is easier since the number of non-linearities is fi...
متن کاملConvolutional Sequence to Sequence Learning
A. Weight Initialization We derive a weight initialization scheme tailored to the GLU activation function similar to Glorot & Bengio (2010); He et al. (2015b) by focusing on the variance of activations within the network for both forward and backward passes. We also detail how we modify the weight initialization for dropout. A.1. Forward Pass Assuming that the inputs x l of a convolutional laye...
متن کاملStatistical sequence-to-frame mapping techniques for voice conversion
あらまし 話者変換の目的はある話者の声を別の話者の声に変換することである。これは二つの話者区間において音 声時系列のマッピング関数を求めることとして考えられる。GMMを用いた統計的マッピング方法 [1], [2]は話者変換 のタスクにおいてよく使われている。ただし、GMMを用いた変換技術はフレームからフレームへのマッピング関数を 使用しているので、音声時系列のコンテキスト情報が十分には使われていない。HMMは音声時系列の有効なモデル であり、音声認識や音声合成においてよく使われている。本研究は HMMを用いた音声変換を研究対象とする。我々 は HMMを用いた回帰、シーケンスからフレームの変換関数を導出した。先行の HMMを用いた音声変換方法 [3]~ [5]は強制切り出し (forced alignment)によって音声を分割し、各区間に対して変換を行う。それらの方法と異なって, 我...
متن کاملSequence-to-Sequence Voice Conversion with Similarity Metric Learned Using Generative Adversarial Networks
We propose a training framework for sequence-to-sequence voice conversion (SVC). A well-known problem regarding a conventional VC framework is that acoustic-feature sequences generated from a converter tend to be over-smoothed, resulting in buzzy-sounding speech. This is because a particular form of similarity metric or distribution for parameter training of the acoustic model is assumed so tha...
متن کاملVoice Conversion Using Sequence-to-Sequence Learning of Context Posterior Probabilities
Voice conversion (VC) using sequence-to-sequence learning of context posterior probabilities is proposed. Conventional VC using shared context posterior probabilities predicts target speech parameters from the context posterior probabilities estimated from the source speech parameters. Although conventional VC can be built from non-parallel data, it is difficult to convert speaker individuality...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: IEEE/ACM Transactions on Audio, Speech, and Language Processing
سال: 2020
ISSN: 2329-9290,2329-9304
DOI: 10.1109/taslp.2020.3001456