利用数据增强条件式鉴别器训练基于生成对抗网络的声码器模型
原文中文，约300字，阅读约需1分钟。发表于：。基于生成对抗网络（GAN）的声码器利用对抗鉴别器进行训练，因其快速、轻量和高质量的特点而被广泛用于语音合成。然而，这种数据驱动模型需要大量训练数据，导致数据收集成本高。为了解决这个问题，我们提出了一种基于增强条件鉴别器（AugCondD）的方法，该方法在评估输入语音时考虑了增强状态，从而避免限制原始非增强分布的学习。实验结果表明，AugCondD...
该文章介绍了一种基于生成对抗网络（GAN）的声码器，用于语音合成。作者提出了一种基于增强条件鉴别器（AugCondD）的方法，能够在有限数据条件下提高语音质量。实验结果表明，该方法在充足数据条件下能够达到可比较的语音质量。
