Interpretable parametric voice conversion functions based on Gaussian mixture models and constrained transformations

توابع تبدیل صوتی بر اساس مدل های مخلوط گاوس و بیانات سیگنال پارامتریک مبهم هستند به این معنا که تفسیر معنای فیزیکی پارامترهای تبدیل آسان نیست. به دنبال خط کارهای اخیر براساس پارادایم شبیه سازی پارامترهای دامنه فرکانس به کار می رود، در این مقاله نشان می دهیم که توابع تبدیل صدا می توانند براساس محدودیت های جسمی معنی دار طراحی شوند به طوری که بسیار آموزنده باشند. روش تبدیل صدای حاصل می تواند برای تجسم تفاوت بین منبع و صدای هدف یا سبک از لحاظ موقعیت فرمن در فرکانس، شیب طیفی و دامنه در تعدادی از نوارهای طیف استفاده شود.