DiffWave نشر مشفر صوتي

DiffWave هو مشفر صوتي قائم على الانتشار يقوم بتجميع الصوت عن طريق تقليل الضوضاء العشوائية بشكل متكرر إلى شكل موجة، مشروطًا بمقياس طيفي ميل. لقد جلبت نماذج الانتشار إلى الكلام عالي الدقة، وتنافس شبكات GAN و WaveNet دون تدريب عدائي.

يبدأ DiffWave من الضوضاء الغوسية ويدير عملية الانتشار العكسي، مما يقلل الضوضاء بشكل متكرر أثناء تكييفه على مخطط طيفي ميل، لإنتاج شكل الموجة.

يقوم DiffWave بتدريب الشبكة للتنبؤ بالضوضاء الغوسية المضافة في خطوة نشر تم اختيارها عشوائيًا، باستخدام خسارة L2 الموزونة.

يحتاج أخذ عينات الانتشار الساذج إلى العديد من الخطوات العكسية؛ على الرغم من أن الجداول الزمنية السريعة تساعد، إلا أن العملية التكرارية هي تكلفة السرعة الرئيسية.

يتم تدريب نماذج الانتشار بهدف مستقر على نمط الانحدار، متجنبًا عدم الاستقرار الذي يمكن أن يعاني منه تدريب GAN العدائي.

يستخدم DiffWave عمودًا فقريًا غير انحداري من التلافيفات المتوسعة المشابهة لـ WaveNet، ولكنه يتنبأ بالضوضاء بدلاً من العينات الصوتية.