Denoispeech: Denoising text to speech with frame-level noise modeling

作者:Chen Zhang, Xu Tan
会议:2021 icassp
单位:微软

abstract

TTS的训练数据通常是高质量的干净语音,但是有时候目标说话人只有真实场景的带噪数据,如何生成干净的TTS语音?

  • 方法:(1)降噪后的语音用于训练TTS模型;(2)noisy speech和clean speech混合训练,加入一个额外的noise embedding。(infer的时候用clean speech embedding,但是使用的ref emb是句子级别的)
  • 问题:上述方法不能解决真实环境的非平稳噪声。
    本文提出DenoiSpeech,使用noise condition module逐帧细粒度的处理语音中的噪声,实验结果表明对于real-world的数据,本方法比上述两种方法好。

introduction

  • noise extractor 从target noisy speech中提取帧级别的noise info——TTS Loss+ adversarial CTC loss确保只有noise信息保留;
  • noise info 送入TTS decoder中,

method

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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