论文介绍
大多数语音转换 (VC) 方法提取独立于说话人的信息，用以将语音转换为目标说话人的音色，同时保留语言内容。我们提出的VC系统，将新思想与 VC 中的多种有用思想相结合。VQ-VAE（矢量量化变分自动编码器）是一种将音素标记序列作为瓶颈特征进行恢复和编码的方法。考虑到音高信息为音调语言提供了更好的VC结果，并且在低资源数据集上单独建模共振峰掩码和音高更稳定。音素标记序列的正则化提供了更平滑和更自然的序列，并避免了过度拟合。除了 VC 系统，我们还提出了更多的正则化方法，例如 Viterbi 正则化。实验表明，我们提出的方法比最先进的无监督方法基线表现更好。我们的实验证明了网络结构设计的合理性。
论文地址
https://ieeexplore.ieee.org/document/9053842
