基于starganvc2的变声器论文原理解读

数据与代码见文末

论文地址：https://arxiv.org/pdf/1907.12279.pdf

1.概述

        什么是变声器，变声器就是将语音特征进行转换，而语音内容不改变

        那么我们如何构建一个变声器呢？ 

         首先，我们肯定不能为转换的每一种风格的声音训练一种网络，因此我们可以采用star gan的思想（参见：Star GAN论文解析-CSDN博客），只训练一个对抗生成网络解决所有问题。当然，任务不同，具体的网络结构需要改变

        需要的什么输入呢？输入当然是声音数据和标签编码（one hot类型）。

2.输入数据

        输入声音数据最重要的指标为频率，即每秒钟波峰所发生的数目称之为信号的频率，用单位千赫兹(kHz)表示