无特定说话人的表情向量用于跨说话人情绪强度控制-计算机科学-语音合成-情感强度控制.pdfVIP

无特定说话人的表情向量用于跨说话人情绪强度控制

MasatoMurata,KoichiMiyazaki,TomokiKoriyama

CyberAgent,Japan

murata_masato@cyberagent.co.jp,miyazaki_koichi_xa@cyberagent.co.jp,

koriyama_tomoki@cyberagent.co.jp

Abstract

跨说话人情感强度控制旨在仅使用目标说话人的

中性语音生成具有所需情感强度的情感语音。最

近提出的一种方法，情感算术，通过单一说话人情

感向量实现情感强度控制。虽然先前的方法在同

=−=+

本一说话人设置下显示出有希望的结果，但由于源

说话人和目标说话人之间的情感向量不匹配，在

译图1:通过情感向量控制情感强度。

中跨说话人设置下失去了说话人一致性。为克服这了一种情感解耦模块，该模块使用专门设计的损

一限制，我们提出了一个与说话人无关的情感向

1量，旨在捕捉多个说话人的共享情感表达。这个失函数来分离说话者身份和情感嵌入，用于跨说

v

2与说话人无关的情感向量适用于任意说话人。实话者情感迁移。类似地，Jo等人引入了定制的损失

8

3验结果表明，所提出的方法在保持说话人一致性、函数来解耦情感和说话者信息[6]。EmoSphere++

3语音质量和可控性的同时，在跨说话人情感强度也通过使用情感自适应球形向量来表示连续的情

0

7.控制中取得了成功，即使对于未见过的说话人也感变化，并结合多级风格编码器，实现了跨说话者

0是如此。情感强度控制任务[7]。与之相反，Kalyan等人提

5

2IndexTerms:语音合成，任务向量，模型合并，出了情感算术[8]，它通过直接编辑训练好的模型

:

v模型编辑，情感强度控制参数来实现情感强度控制，而无需依赖任何额外

i

x的模块或损失函数。该方法基于任务算术[9]，通

r

a过从微调模型参数中减去预训练模型参数得到的

1.介绍

“任务向量”来操控模型行为。具体来说，情感算

情绪强度控制旨在生成具有所需情绪强度的