亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Mel-S3R: Combining Mel-spectrogram and self-supervised speech representation with VQ-VAE for any-to-any voice conversion

光谱图 语音识别 计算机科学 特征(语言学) 任务(项目管理) 积极倾听 代表(政治) 人工智能 模式识别(心理学) 语音处理 相似性(几何) 说话人识别 沟通 心理学 哲学 语言学 管理 政治 政治学 法学 经济 图像(数学)
作者
Jichen Yang,Yi Zhou,Hao Huang
出处
期刊:Speech Communication [Elsevier]
卷期号:151: 52-63
标识
DOI:10.1016/j.specom.2023.05.004
摘要

The self-supervised speech representation (S3R) has succeeded in many downstream tasks, such as speaker recognition and voice conversion thanks to its high-level information. Voice conversion (VC) is a task to convert the source speech into a target speaker’s voice. Though S3R features effectively encode content and speaker information, spectral features contain low-level acoustic information that is complementary to the S3R. As a result, solely relying on the S3R features for VC may not be optimal. In order to seek speech representation carrying both high-level learned information and low-level spectral details for VC, we proposed a three-level attention to combine Mel-spectrogram (Mel) and S3R, denoted as Mel-S3R. In particular, S3R features are high-level learned representations extracted by a pre-trained network with self-supervised learning. Whereas Mel is the spectral feature representing the acoustic information. Then the proposed Mel-S3R is used as the input of any-to-any VQ-VAE-based VC and the experiments are performed as a downstream task. Objective metrics and subjective listening tests have demonstrated that the proposed Mel-S3R speech representation facilitates the VC framework to achieve robust performance in terms of both speech quality and speaker similarity.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
我是老大应助科研通管家采纳,获得10
14秒前
SciGPT应助Wei采纳,获得10
41秒前
HAG发布了新的文献求助10
58秒前
乐乐乐乐乐乐应助大喜子采纳,获得10
1分钟前
赘婿应助Wei采纳,获得10
1分钟前
朴实芷云完成签到,获得积分20
1分钟前
大喜子给大喜子的求助进行了留言
1分钟前
打打应助朴实芷云采纳,获得50
1分钟前
领导范儿应助HAG采纳,获得10
1分钟前
2分钟前
HAG发布了新的文献求助10
2分钟前
2分钟前
深情安青应助YUYUYU采纳,获得10
2分钟前
gszy1975发布了新的文献求助10
2分钟前
yi完成签到 ,获得积分10
3分钟前
共享精神应助Wei采纳,获得10
3分钟前
3分钟前
YUYUYU发布了新的文献求助10
3分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
Kevin Li完成签到,获得积分10
4分钟前
不安青牛应助Kevin Li采纳,获得10
4分钟前
舒心豪英完成签到 ,获得积分10
4分钟前
5分钟前
ganggang完成签到,获得积分0
5分钟前
ganggangfu完成签到,获得积分0
5分钟前
Shilong发布了新的文献求助10
5分钟前
gszy1975发布了新的文献求助30
5分钟前
HAG完成签到,获得积分10
7分钟前
852应助HAG采纳,获得30
7分钟前
7分钟前
iwsaml完成签到 ,获得积分10
7分钟前
HAG发布了新的文献求助30
7分钟前
Ava应助HAG采纳,获得10
8分钟前
爱静静应助科研通管家采纳,获得10
10分钟前
Owen应助科研通管家采纳,获得20
10分钟前
爱静静应助科研通管家采纳,获得10
10分钟前
实力不允许完成签到 ,获得积分10
10分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3154982
求助须知:如何正确求助?哪些是违规求助? 2805698
关于积分的说明 7865848
捐赠科研通 2463938
什么是DOI,文献DOI怎么找? 1311678
科研通“疑难数据库(出版商)”最低求助积分说明 629722
版权声明 601853