CS-ETS：具有非线性混沌损失的基于混沌的 Samba 肌电转语音合成

我们提出了一种受混沌启发的 EMG 到语音 (ETS) 合成新架构，称为 CS-ETS，它将基于 Samba 的编码器与两个新颖的受混沌启发的损失函数相结合——Lyapunov 指数正则化 (LER) 和多尺度去趋势波动分析 (MSDFA)。 LER 是基于 Lyapunov 指数设计的，用于捕获非线性波动和对初始条件的敏感性。 MSDFA 利用去趋势波动分析来量化类似分形的长程时间混沌相关性。 CS-ETS 超越了之前的工作，参数数量减少了 40.79%（32M vs 54.1M），并引入了一种新的后声码器对齐方法，将 LSD 提高了 2.1 倍，STOI 提高了 4.7 倍，SI-SDR 提高了 1.25 倍。 CS-ETS 将计算量减少了 13.33\%，同时保持了改进的性能。据我们所知，我们首次展示了如何通过微妙的非线性混沌物理和 Samba 注意力来监督 ETS，以实现更小且性能优越的模型。