本研究探讨了语音对话中声音反馈(如“嗯”、“是的”、“好吧”)的感知韵律相似性。结果表明,光谱和自监督语音表征在编码韵律方面优于音高特征,尤其在同一说话者的反馈中,通过对比学习可进一步优化这些表征。
该文汇总多项语音与歌声转换研究:提出无文本条件的深度学习歌声转换,利用CNN编码器、歌手嵌入与数据增强提升小数据集效果;实现端到端波形级任意身份歌声转换;将自监督语音表征用于声音匿名化;综述自监督语音表示学习;以歌手身份嵌入损失改进歌声转换;证明语音预训练加微调可提升识别性能;用BERT语义嵌入增强歌声合成;在VoxCeleb上取得低EER;并探索混合音频表征。
完成下面两步后,将自动完成登录并继续当前操作。