公开(公告)号：CN116778937A

公开(公告)日：2023-09-19

申请号：CN202310314078.X

申请日：2023-03-28

Applicant: 南京工程学院

Inventor： 陈牧图 ,  夏宇闻 ,  祁泽源 ,  龚剡驿 ,  纪科旭 ,  罗姝雯 ,  谢跃

IPC: G10L21/013 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G10L19/16 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30

Abstract: 本发明公开了一种基于说话人对抗子网络的语音转换方法。本发明通过在将说话人对抗子网络嵌入至语音转换模型StarGAN‑VC2中，提出了添加说话人对抗子网络辅助特征解码的策略，并融合了说话人对抗损失函数与生成器损失函数，使得二者在对抗中提高编码器的说话人身份信息去除效果，同时为了更好地适应语音转换任务，引入了自适应实例归一化算法辅助特征解码，能够有效的提升语音转换的质量以及说话人相似度，因此，使得语音在转换过程中，具有检验与反馈机制，非语义特征剔除彻底，可以在保持多对多的非平行语料转换方法优越性的前提下，创造出一个说话人身份信息去除辅助与验证机制，语音转换效果好，具有良好的应用前景。

公开(公告)号：CN116778937B

公开(公告)日：2024-01-23

申请号：CN202310314078.X

申请日：2023-03-28

Applicant: 南京工程学院

Inventor： 陈牧图 ,  夏宇闻 ,  祁泽源 ,  龚剡驿 ,  纪科旭 ,  罗姝雯 ,  谢跃

IPC: G10L21/013 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G10L19/16 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30

Abstract: 本发明公开了一种基于说话人对抗子网络的语音转换方法。本发明通过在将说话人对抗子网络嵌入至语音转换模型StarGAN‑VC2中，提出了添加说话人对抗子网络辅助特征解码的策略，并融合了说话人对抗损失函数与生成器损失函数，使得二者在对抗中提高编码器的说话人身份信息去除效果，同时为了更好地适应语音转换任务，引入了自适应实例归一化算法辅助特征解码，能够有效的提升语音转换的质量以及说话人相似度，因此，使得语音在转换过程中，具有检验与反馈机制，非语义特征剔除彻底，可以在保持多对多的非平行语料转换方法优越性的前提下，创造出一个说话人身份信息去除辅助与验证机(56)对比文件Yutian Wang et al.FeatureQuantization for Many-to-many VoiceConversion. 2020 IEEE InternationalConference on Information Technology,BigData and Artificial Intelligence (ICIBA).2020,全文.