对抗训练实现连续SPL语音强度转换

2026年10月12日，arXiv Audio and Speech 发表一项研究，提出基于对抗训练的连续声压级（SPL）语音强度转换方法，用连续 dB SPL 控制强度，替代参考语音或离散类别，同时保留语音内容与说话人身份。该转换器采用条件循环一致 GAN 训练，无需平行数据，作用于冻结语音编码器特征，并由预训练声码器重合成。研究对比了 log-mel 频谱图、WavLM 与 SpeechTokenizer 三种表征，其中 WavLM 实现 83% 的目标强度变化，并伴随基频改变。论文已投稿 IEEE ICASSP 2027，代码已开源。目前未见后续验证或评审结果报道。

Generated from reports · updated 2 hr ago

There is not enough continuous observation data to draw a trend yet.