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:2409.02245

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2409.02245 (cs)
[提交于 2024年9月3日 ]

标题: FastVoiceGrad:基于一步扩散的对抗条件扩散蒸馏的语音转换方法

标题: FastVoiceGrad: One-step Diffusion-Based Voice Conversion with Adversarial Conditional Diffusion Distillation

Authors:Takuhiro Kaneko, Hirokazu Kameoka, Kou Tanaka, Yuto Kondo
摘要: 基于扩散的语音转换(VC)技术,例如 VoiceGrad,因其在语音质量和说话人相似度方面的高性能而引起了兴趣。 然而,一个显著的局限性是多步反向扩散导致的推理速度缓慢。 因此,我们提出了 FastVoiceGrad,这是一种新颖的一步式扩散基语音转换方法,在将迭代次数从几十减少到一的同时继承了多步扩散基语音转换的高性能。 我们通过对抗条件扩散蒸馏(ACDD)获得该模型,利用生成对抗网络和扩散模型的能力,并重新考虑采样中的初始状态。 一次性的任意到任意语音转换评估表明,FastVoiceGrad 在语音转换性能上优于或可与先前的多步扩散基语音转换相媲美,同时提升了推理速度。 音频样本可在 https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/fastvoicegrad/ 获取。
摘要: Diffusion-based voice conversion (VC) techniques such as VoiceGrad have attracted interest because of their high VC performance in terms of speech quality and speaker similarity. However, a notable limitation is the slow inference caused by the multi-step reverse diffusion. Therefore, we propose FastVoiceGrad, a novel one-step diffusion-based VC that reduces the number of iterations from dozens to one while inheriting the high VC performance of the multi-step diffusion-based VC. We obtain the model using adversarial conditional diffusion distillation (ACDD), leveraging the ability of generative adversarial networks and diffusion models while reconsidering the initial states in sampling. Evaluations of one-shot any-to-any VC demonstrate that FastVoiceGrad achieves VC performance superior to or comparable to that of previous multi-step diffusion-based VC while enhancing the inference speed. Audio samples are available at https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/fastvoicegrad/.
评论: 已被Interspeech 2024接受。项目页面:https://www.kecl.ntt.co.jp/people/kaneko.takuhiro/projects/fastvoicegrad/
主题: 声音 (cs.SD) ; 人工智能 (cs.AI); 机器学习 (cs.LG); 音频与语音处理 (eess.AS); 机器学习 (stat.ML)
引用方式: arXiv:2409.02245 [cs.SD]
  (或者 arXiv:2409.02245v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2409.02245
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Takuhiro Kaneko [查看电子邮件]
[v1] 星期二, 2024 年 9 月 3 日 19:19:48 UTC (214 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
查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-09
切换浏览方式为:
cs
cs.AI
cs.LG
cs.SD
eess
eess.AS
stat

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