声明:平时看些文章做些笔记分享出来,文章中难免存在错误的地方,还望大家海涵。搜集一些资料,方便查阅学习:http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html,语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg)。如有转载,请注明出处。欢迎关注微信公众号:低调奋进。
VocBench: A Neural Vocoder Benchmark for Speech Synthesis
本文为Facebook在2021.12.06更新的文章,主要对语音合成领域的声码器提供对比基准,具体的文章链接https://arxiv.org/pdf/2112.03099.pdf
(本文出发点有意义,但实验太少不全,需要更多实验对比)
1 背景
语音合成领域的基于神经网络声码器是把低维度声学特征转成波形,是合成领域的研究热点。但神经网络网络声码器的文章实验结果由于实验数据、实验参数和实验硬件资源的不同而无法公平的比较,无法评比SOTA方案。因此本文提出了神经网络声码器的对比基准,以期合成社区获取SOTA方案。
2 设计
图一是本文的基准框架,所有的声码器使用条件都相同。本文对比了三类声码器:1)自回归声码器:wavenet, wavernn。2)Gan声码器:MelGan, Parallel WaveGan。3)Diffusion声码器:WaveGrad,DiffWave。对比