arXiv · Audio and Speech· Chin-Yun Yu, Gy\"orgy Fazekas·· 16 小时前AI 评分21
通过逆声源合成实现无监督瞬时相位与频率追踪
Unsupervised Instantaneous Phase and Frequency Tracking by Inverse Voice Synthesis
AI 导读
提出一种源-滤波器模型，用无混叠加性声源显式表达声门周期的瞬时相位，微分即可得到瞬时频率与 F0，无需外部 F0 追踪器。在 M4Singer 和 LM-SSD 上，重建信号相位对齐，信号-重建误差比达 8.1 dB，而神经基线仍为负值；LM-SSD 上恢复的 F0 准确率为所有测试方法最高，声门闭合时刻与 REAPER 识别率相差 0.53 个百分点，全程无需 F0 标签。
来源：arXiv · Audio and Speech · arxiv.org