NLP之语音转换

本文探讨了非并行数据下语音转换的解决方案,强调了解耦方法在训练和测试阶段的数据分布差异,需要通过2nd stage training进行优化。同时对比了cycleGAN和starGAN,后者能实现任意转换。此外,文章提到了最新的Blow模型和i-vector在预训练模型中的应用,但未展开详细讨论。
摘要由CSDN通过智能技术生成

1. 先上解决方法以及模型总结图:

 2. 目前方法主要是针对非并行数据解决。

3. 因为解耦的方法在训练以及测试过程中,数据分布是不一样的

 所以要加上2nd stage training。(因为没有label,所以要加上dis和classifier)

4. cycleGAN与starGAN的区别:

即cycleGAN训练好的网络只能实现一种转换。但是starGAN是可以通过输入不同的speaker vector实现任意的转换。其中speaker vector可以跟上面解耦方法一样,从one-hot或者pretrain model获得。

5. Blow是最新提出的,这个模型我还没看,等看完再写。以及什么是i-vector(pretrained speaker model),老师说后面会讲到。

 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值