RIVET：强大的幂等语音属性编辑

语音属性编辑模型修改年龄和性别等特征，同时保留说话者身份。然而，在大规模语音数据集中，属性注释通常是有噪声或不一致的，这可能导致条件生成模型产生不稳定的编辑。在这项工作中，我们证明幂等性提供了一种有效的机制来提高对噪声标签的鲁棒性。幂等运算符是一种重复应用不会改变结果的运算符，即 f(f(x)) = f(x)。强制执行此属性充当隐式正则化器，可降低对错误标记示例的敏感性。我们引入了 RIVET，这是一种训练框架，它包含幂等性目标，以提高标签噪声的鲁棒性。我们在受控标签噪声下和带有自然噪声注释的 GLOBE 数据集上评估 RIVET。与标准训练相比，RIVET 提高了编辑成功率并更好地保留说话者身份，这表明幂等性提高了语音编辑模型的稳健性。