扩散GAN语音转换模型

兼顾音质与生成多样性

结合GAN快速推理与扩散模型高保真多样性的非平行多对多语音转换模型。

Zhang, Xulong · Wang, Jianzong · Ning, Cheng · Jing, Xiao

Lecture Notes in Computer Science 2023

技术优势

音质显著提升

与 CycleGAN-VC 相比，DiffGAN-VC 在说话人相似度、自然度和音质上均更优，采用客观和主观评价验证。

推理大幅提速

通过大步数去噪大幅降低 DDPM 所需的推理步数，同时引入多模态条件 GAN 保持生成质量。

非平行多对多可用

模型专为非平行多对多语音转换设计，摆脱对平行语料的依赖，适用更广泛的数据场景。