本文探讨了含有噪声的音频问题，特别是在语音合成中的表现。通过分析噪声特点，提出多种处理方案，包括波形后处理、神经网络后处理以及利用神经网络改善Spec的平滑度。针对不同场景，如tacotron与lpcnet合成中的噪声，文章提出了讨论和潜在解决方案。
问题定义
拿到一个声音，听出来其中有文本，但是也有噪声，需要分析噪声的来源，噪声的特点，噪声的去除方式
可能使用神经网络来后处理解决，也可能生成的时候就借由神经网络解决，也可能采用传统语音后处理的方式
具体场景1
噪声观察
比如由tacotron合成的lpc features接上lpcnet，合成声音有噪声，明显看出波形的某个位置突然很极端
波形图和语谱图：
(不会用goldwave来看语谱图)
具体场景2
噪声观察
- 语谱图上不连续，混乱，意味着生成的spec之间是冲突的，前后帧共享部分并不相同
- 波形图上有毛刺，但是并不是普通的白噪声
- 其实右边的spec是很多不同句话凑出来的，然后直接GL合成，确实有矛盾
对波形语音后处理
先观察波形，以挑噪声的角度来看
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
