少样本高相似合成
用音色归一化矢量量化特征将说话风格与音色分离，少样本适配时能同时精细模仿目标说话人的音色和风格，超越现有说话人嵌入和微调基线方法。
Du, Chenpeng · Guo, Yiwei · Chen, Xie · 俞凯
IEEE/ACM Transactions on Audio Speech and Language Processing 2023
通过音色归一化VQ特征，将说话风格与音色分解，让声学模型和声码器分别控制，从而仅用少量数据就能同时模仿目标说话人的音色和风格。
在LibriTTS上的适配实验中，本方法的说话人相似度优于基于说话人嵌入的适配方法和微调基线AdaSpeech，更适合少样本场景。
引入音色归一化和k-means量化后，重构性能和自然度几乎保持不变，说明特征处理没有牺牲合成质量。