Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.09310

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2507.09310 (cs)
[提交于 2025年7月12日 ]

标题: 基于隐式和显式声学特征条件的伦巴第语说话风格语音转换

标题: Voice Conversion for Lombard Speaking Style with Implicit and Explicit Acoustic Feature Conditioning

Authors:Dominika Woszczyk, Manuel Sam Ribeiro, Thomas Merritt, Daniel Korzekwa
摘要: 文本到语音(TTS)系统采用伦巴第语风格可以提高语音的整体可懂性,这对听力损失和嘈杂环境很有用。 然而,训练这些模型需要大量数据,由于说话人和噪声的变异性以及令人疲惫的录音条件,伦巴第效应难以记录。 语音转换(VC)已被证明是在没有目标说话人目标语种录音数据的情况下训练TTS系统的有用增强技术。 在本文中,我们关注伦巴第语风格转换。 我们的目标是在转换说话人身份的同时保留定义伦巴第语风格的声学特征。 我们比较了具有隐式和显式声学特征条件的语音转换模型。 我们观察到,我们提出的隐式条件策略在可懂性方面取得的增益与基于显式声学特征的模型相当,同时还能保持说话人相似性。
摘要: Text-to-Speech (TTS) systems in Lombard speaking style can improve the overall intelligibility of speech, useful for hearing loss and noisy conditions. However, training those models requires a large amount of data and the Lombard effect is challenging to record due to speaker and noise variability and tiring recording conditions. Voice conversion (VC) has been shown to be a useful augmentation technique to train TTS systems in the absence of recorded data from the target speaker in the target speaking style. In this paper, we are concerned with Lombard speaking style transfer. Our goal is to convert speaker identity while preserving the acoustic attributes that define the Lombard speaking style. We compare voice conversion models with implicit and explicit acoustic feature conditioning. We observe that our proposed implicit conditioning strategy achieves an intelligibility gain comparable to the model conditioned on explicit acoustic features, while also preserving speaker similarity.
评论: 在2023年清晰度挑战赛上展示
主题: 声音 (cs.SD) ; 计算与语言 (cs.CL); 音频与语音处理 (eess.AS)
引用方式: arXiv:2507.09310 [cs.SD]
  (或者 arXiv:2507.09310v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.09310
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Dominika Woszczyk [查看电子邮件]
[v1] 星期六, 2025 年 7 月 12 日 14:57:04 UTC (622 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.SD
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号