中央研究院智財技轉處對外服務網

語音轉換旨在不改變語言內容的情況下將語音從來源型式轉換為目標型式。最典型的任務是說話人語音轉換。大多數傳統方法需要平行訓練數據，即來源和目標說話者唸相同的轉錄本進行訓練。由於此類數據難以收集，非平行訓練長期以來一直是語音轉換的最終目標之一。透過變分自編碼器的自我督導訓練，可以實現非平行訓練。整合生成式對抗型網路和跨域特徵可以進一步提升輸出音質。