YoungSeng's Blog

Speech Representation Disentanglement with Adversarial Mutual Information Learning for One-shot Voice Conversion 中间结果

在之前的工作上增加了韵律的相关特征提取，之前可见：【语音信号处理】1语音信号可视化——时域、频域、语谱图、MFCC详细思路与计算、差分安装一下这个库：还有其他的一些，反正缺啥安啥：2. 最终结果...

语音关于class torch.utils.data.Dataset官方文档，

@TOC1. 数据获取数据集来自：中国科学院自动化所的CASIA汉语情感语料库——共包括四个专业最佳人，六种情绪生气（怒），高兴（高兴） ），害怕（fear），悲伤（sad），其他（surprise）和中性（neutral），共9600句不同最佳。其中300句是相同文本的，也就是说对相同的文本赋以不同的情感来阅读，这些语料可以利用对比分析不同的情感状态下的声学和韵律表现；另外100句是不同文本的，这些文本从字面意思就可以修剪其情感归属，以便录音人更准确地表现出情感，但完整的CASIA数据集是收费的，

这里写自定义目录标题首先从以下地址下载获得视频：http://mooc1vod.stu.126.net/nos/mp4/2016/11/24/1005374032_1241ef3e8a474c9898e1e62f0268ca6c_hd.mp4?ak=7909bff134372bffca53cdc2c17adc27a4c38c6336120510aea1ae1790819de8c3092915cb74e414787263398b5d5a484f5c959cdb6ce7e3c6a3acf758b3c64d30