論文の概要: Training-Free Voice Conversion with Factorized Optimal Transport

• arxiv url: http://arxiv.org/abs/2506.09709v1
• Date: Wed, 11 Jun 2025 13:23:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.998
• Title: Training-Free Voice Conversion with Factorized Optimal Transport
• Title（参考訳）: 係数化最適輸送を用いた学習自由音声変換
• Authors: Alexander Lobashev, Assel Yermekova, Maria Larchenko,
• Abstract要約: 本稿では,kNN-VCパイプラインのトレーニング不要な修正であるFactized MKL-VCを紹介する。 元のパイプラインとは対照的に,提案アルゴリズムは参照音声の5秒で高品質な非言語間音声変換を行う。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces Factorized MKL-VC, a training-free modification for kNN-VC pipeline. In contrast with original pipeline, our algorithm performs high quality any-to-any cross-lingual voice conversion with only 5 second of reference audio. MKL-VC replaces kNN regression with a factorized optimal transport map in WavLM embedding subspaces, derived from Monge-Kantorovich Linear solution. Factorization addresses non-uniform variance across dimensions, ensuring effective feature transformation. Experiments on LibriSpeech and FLEURS datasets show MKL-VC significantly improves content preservation and robustness with short reference audio, outperforming kNN-VC. MKL-VC achieves performance comparable to FACodec, especially in cross-lingual voice conversion domain.
• Abstract（参考訳）: 本稿では,kNN-VCパイプラインのトレーニング不要な修正であるFactized MKL-VCを紹介する。 元のパイプラインとは対照的に,提案アルゴリズムは参照音声の5秒で高品質な非言語間音声変換を行う。 MKL-VCはkNN回帰を、モンゲ・カントロヴィチ・リニア解から派生した、WavLM埋め込み部分空間の係数化された最適輸送写像に置き換える。 因子化は次元の非一様分散に対処し、効果的な特徴変換を保証する。 LibriSpeechデータセットとFLEURSデータセットの実験では、MKL-VCは短い参照音声でコンテンツの保存とロバスト性を大幅に改善し、kNN-VCを上回っている。 MKL-VCは、特に言語間音声変換領域において、FACodecに匹敵する性能を達成する。

関連論文リスト

• kNN-SVC: Robust Zero-Shot Singing Voice Conversion with Additive Synthesis and Concatenation Smoothness Optimization [12.024508376742817]
  本稿では,歌唱音声変換のためのkNN-VCフレームワークの堅牢性を高める2つの新しい手法を提案する。 第一に、kNN-VCのコア表現であるWavLMは調和性に重点を置いておらず、鈍い音と鳴り響くアーティファクトをもたらす。 第二に、kNN-VCはSVCの重要な知覚因子である連結的滑らかさを見落としている。
  論文  参考訳（メタデータ） (2025-04-08T04:59:56Z)
• LHQ-SVC: Lightweight and High Quality Singing Voice Conversion Modeling [7.487807225162913]
  SVC(Singing Voice Conversion)は、Voice Conversion(VC)の重要なサブフィールドとして登場した。 従来のSVC手法は、オーディオ品質、データ要求、計算複雑性の点で制限がある。 本稿では,SVCフレームワークと拡散モデルに基づく軽量CPU互換モデルであるLHQ-SVCを提案する。
  論文  参考訳（メタデータ） (2024-09-13T07:02:36Z)
• Keep the Cost Down: A Review on Methods to Optimize LLM' s KV-Cache Consumption [66.97998742151918]
  大規模言語モデル(LLM)は、先進的な言語理解によって様々な産業に革命をもたらした。 しかし、その効率性はTransformerアーキテクチャが長いテキストを扱うのに苦労していることに疑問を投げかけられている。 KVキャッシュは、トークン生成の時間的複雑さを2次から線形に変換する、重要なソリューションとして登場した。
  論文  参考訳（メタデータ） (2024-07-25T12:56:22Z)
• Conditional Deep Hierarchical Variational Autoencoder for Voice Conversion [5.538544897623972]
  変分オートエンコーダに基づく音声変換(VAE-VC)は、訓練のために音声と話者ラベルのペアだけを必要とする利点がある。 本稿では, モデル表現性の増加がVAE-VCに与える影響について検討する。
  論文  参考訳（メタデータ） (2021-12-06T05:54:11Z)
• DiffSVC: A Diffusion Probabilistic Model for Singing Voice Conversion [51.83469048737548]
  本稿では拡散確率モデルに基づくSVCシステムであるDiffSVCを提案する。 DiffSVCでは、破壊されたメルスペクトログラムとその対応するステップ情報を入力として、付加されたガウスノイズを予測するデノナイジングモジュールを訓練する。 実験により、DiffSVCは、現在の最先端SVCアプローチと自然性および音声類似性の観点から、優れた変換性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-05-28T14:26:40Z)
• Bayesian Transformer Language Models for Speech Recognition [59.235405107295655]
  トランスフォーマーで表現される最先端のニューラルネットワークモデル(LM)は非常に複雑である。 本稿では,トランスフォーマーLM推定のためのベイズ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-09T10:55:27Z)
• FastVC: Fast Voice Conversion with non-parallel data [13.12834490248018]
  本稿では、高速音声変換(VC)のためのエンドツーエンドモデルであるFastVCを紹介する。 FastVCは、非並列データでトレーニングされた条件付きAutoEncoder(AE)に基づいており、アノテーションは一切必要としない。 提案されたモデルの単純な構造にもかかわらず、自然性の観点から見ると、VC Challenge 2020の言語横断タスクのベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-10-08T18:05:30Z)
• Pretraining Techniques for Sequence-to-Sequence Voice Conversion [57.65753150356411]
  シークエンス・トゥ・シークエンス(seq2seq)音声変換(VC)モデルは、韻律を変換する能力によって魅力的である。 我々は,大規模コーパスが容易に利用できる他の音声処理タスク(通常,テキスト音声(TTS)と自動音声認識(ASR))から知識を伝達することを提案する。 このような事前訓練されたASRまたはTSモデルパラメータを持つVCモデルは、高忠実で高知能な変換可能な音声に対して効果的な隠れ表現を生成することができると論じる。
  論文  参考訳（メタデータ） (2020-08-07T11:02:07Z)

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。