論文の概要: SingAug: Data Augmentation for Singing Voice Synthesis with
Cycle-consistent Training Strategy
- arxiv url: http://arxiv.org/abs/2203.17001v1
- Date: Thu, 31 Mar 2022 12:50:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-01 16:51:21.673066
- Title: SingAug: Data Augmentation for Singing Voice Synthesis with
Cycle-consistent Training Strategy
- Title(参考訳): SingAug:Cycle-Consistent Training Strategyを用いた歌声合成のためのデータ強化
- Authors: Shuai Guo, Jiatong Shi, Tao Qian, Shinji Watanabe, Qin Jin
- Abstract要約: 深層学習に基づく歌唱音声合成システム(SVS)は、より優れた品質の歌唱を柔軟に生成することが実証されている。
本研究では,SVSシステムのトレーニングを促進するために,さまざまなデータ拡張手法について検討する。
トレーニングをさらに安定させるために,サイクル一貫性トレーニング戦略を導入する。
- 参考スコア(独自算出の注目度): 69.24683717901262
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Deep learning based singing voice synthesis (SVS) systems have been
demonstrated to flexibly generate singing with better qualities, compared to
conventional statistical parametric based methods. However, neural systems are
generally data-hungry and have difficulty to reach reasonable singing quality
with limited public available training data. In this work, we explore different
data augmentation methods to boost the training of SVS systems, including
several strategies customized to SVS based on pitch augmentation and mix-up
augmentation. To further stabilize the training, we introduce the
cycle-consistent training strategy. Extensive experiments on two public singing
databases demonstrate that our proposed augmentation methods and the
stabilizing training strategy can significantly improve the performance on both
objective and subjective evaluations.
- Abstract(参考訳): 深層学習に基づく歌声合成 (svs) システムは, 従来の統計パラメトリック法に比べ, 柔軟に高い品質で歌声を生成することが実証されている。
しかし、ニューラルシステムは一般的にデータに飢えており、限られた公開トレーニングデータで適切な歌声の質に到達するのが困難である。
本研究では,SVSにカスタマイズされたいくつかの戦略を含む,SVSシステムのトレーニングを促進するための異なるデータ拡張手法について検討する。
トレーニングをさらに安定させるために,サイクル一貫性トレーニング戦略を導入する。
2つの歌唱データベースに関する広範囲な実験により,提案手法と安定化訓練戦略が,客観的評価と主観評価の両方において有意な性能向上をもたらすことが示された。
関連論文リスト
- Take the Bull by the Horns: Hard Sample-Reweighted Continual Training
Improves LLM Generalization [165.98557106089777]
大きな言語モデル(LLM)の能力を高めることが大きな課題だ。
本研究は,従来の事前学習データセットを用いたLCMの光連続訓練に関する実証的戦略から始まった。
次に、この戦略をインスタンス重み付け分散ロバスト最適化の原則化されたフレームワークに定式化します。
論文 参考訳(メタデータ) (2024-02-22T04:10:57Z) - A Comparison of Semi-Supervised Learning Techniques for Streaming ASR at
Scale [64.10124092250126]
大規模ラベル付きコーパスの欠如により、ASRの性能向上のための主流の手法として、アンペアテキストとオーディオインジェクションが出現している。
本研究では,未ペアテキストと音声の両方を含む最先端の3つの半教師手法と,それらの組み合わせを制御された環境で比較する。
我々の設定では、これらの手法は、末尾語WERの大幅な向上、推論時のデコーダ計算、格子密度など、生のWERを超える多くの改善を提供する。
論文 参考訳(メタデータ) (2023-04-19T18:09:27Z) - Weighted Ensemble Self-Supervised Learning [67.24482854208783]
組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。
我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。
提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
論文 参考訳(メタデータ) (2022-11-18T02:00:17Z) - Efficient and Effective Augmentation Strategy for Adversarial Training [48.735220353660324]
ディープニューラルネットワークの敵対的トレーニングは、標準トレーニングよりもはるかにデータ処理が難しいことが知られている。
本稿では,DAJAT(Diverse Augmentation-based Joint Adversarial Training)を提案する。
論文 参考訳(メタデータ) (2022-10-27T10:59:55Z) - Improving GANs with A Dynamic Discriminator [106.54552336711997]
我々は、オンザフライで調整可能な判別器は、そのような時間変化に適応できると論じる。
総合的な実証研究により、提案したトレーニング戦略がDynamicDと呼ばれ、追加のコストやトレーニング目標を発生させることなく、合成性能を向上させることが確認された。
論文 参考訳(メタデータ) (2022-09-20T17:57:33Z) - Improving speech recognition models with small samples for air traffic
control systems [9.322392779428505]
本研究では, 小さなトレーニングサンプルの課題に対処すべく, 事前学習とトランスファー学習に基づく新しいトレーニング手法を提案する。
3つの実際のATCデータセットを使用して、提案されたASRモデルとトレーニング戦略を検証する。
実験の結果,ASRの性能は3つのデータセットで大幅に向上した。
論文 参考訳(メタデータ) (2021-02-16T08:28:52Z) - Boost AI Power: Data Augmentation Strategies with unlabelled Data and
Conformal Prediction, a Case in Alternative Herbal Medicine Discrimination
with Electronic Nose [12.31253329379136]
電子鼻は代替医療の分類において有効であることが証明されているが、教師付き学習コストの性質のため、従来の研究はラベル付きトレーニングデータに依存していた。
本研究は,データ拡張戦略を用いて分類精度を向上させることを目的とする。
論文 参考訳(メタデータ) (2021-02-05T10:25:36Z) - Distributed Training of Deep Neural Network Acoustic Models for
Automatic Speech Recognition [33.032361181388886]
ASRのためのディープニューラルネットワーク音響モデルのための分散トレーニング手法の概要について述べる。
提案手法の収束, 高速化, 認識性能を調べるために, 一般のベンチマークで実験を行った。
論文 参考訳(メタデータ) (2020-02-24T19:31:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。